論文の概要: AI, Climate, and Transparency: Operationalizing and Improving the AI Act

• arxiv url: http://arxiv.org/abs/2409.07471v1
• Date: Wed, 28 Aug 2024 07:57:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-15 05:01:16.826491
• Title: AI, Climate, and Transparency: Operationalizing and Improving the AI Act
• Title（参考訳）: AI、気候、透明性:AI法の運用と改善
• Authors: Nicolas Alder, Kai Ebert, Ralf Herbrich, Philipp Hacker,
• Abstract要約: 本稿では、気候関連透明性に関するAI法の規定を批判的に検討する。 AI推論におけるエネルギー消費の排除を含む、重要な欠点を特定します。 本稿では,提案法の範囲内での推論関連エネルギー利用を復活させる新しい解釈を提案する。
• 参考スコア（独自算出の注目度）: 2.874893537471256
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper critically examines the AI Act's provisions on climate-related transparency, highlighting significant gaps and challenges in its implementation. We identify key shortcomings, including the exclusion of energy consumption during AI inference, the lack of coverage for indirect greenhouse gas emissions from AI applications, and the lack of standard reporting methodology. The paper proposes a novel interpretation to bring inference-related energy use back within the Act's scope and advocates for public access to climate-related disclosures to foster market accountability and public scrutiny. Cumulative server level energy reporting is recommended as the most suitable method. We also suggests broader policy changes, including sustainability risk assessments and renewable energy targets, to better address AI's environmental impact.
• Abstract（参考訳）: 本稿では、気候関連透明性に関するAI法の規定を批判的に検討し、その実施における大きなギャップと課題を明らかにする。 我々は、AI推論中のエネルギー消費の排除、AIアプリケーションからの間接的な温室効果ガス排出のカバーの欠如、標準報告方法論の欠如など、主要な欠点を識別する。 本論では,この法律の範囲内での推論関連エネルギー利用を復活させる新たな解釈を提案し,市場アカウンタビリティと公衆の監視を促進するために,気候関連情報公開への公衆アクセスを提唱する。 累積サーバレベルのエネルギーレポートを最も適した方法として推奨する。 また、AIの環境への影響を改善するために、サステナビリティリスクアセスメントや再生可能エネルギー目標など、より広範な政策変更を提案する。

関連論文リスト

• AI, Climate, and Regulation: From Data Centers to the AI Act [2.874893537471256]
  我々は、特にデータセンターとAIの気候関連規制に関するガイダンスを提供することを目標としている。 我々は、AIの推論から、これまで未解決であったエネルギー消費の報告を、その範囲に戻すために、AI法の具体的な解釈を提案する。 我々は、環境問題を含むAI法を強制リスクアセスメントに解釈することを主張する。
  論文  参考訳（メタデータ） (2024-10-09T08:43:53Z)
• Towards A Comprehensive Assessment of AI's Environmental Impact [0.5982922468400899]
  機械学習に対する最近の関心の高まりは、AI/MLの大規模採用に拍車をかけた。 ライフサイクルを通じて、AI/MLから環境への影響と劣化を監視するフレームワークが必要である。 本研究では、オープンなエネルギーデータとグローバルに取得した衛星観測を用いて、データセンター周辺におけるAIの多面的影響に関連する環境変数を追跡する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-22T21:19:35Z)
• The Role of Intelligent Transportation Systems and Artificial Intelligence in Energy Efficiency and Emission Reduction [4.847470451539329]
  我々は、将来のエネルギー・排出削減(EER)における知的輸送システム(ITS)と人工知能(AI)の役割を探求する。 具体的には、異なるレベルのITSセンサーがEERの改善に与える影響について論じる。 また、ITSにおけるネットワーク接続の可能性についても検討し、それらがEERをどのように改善するかを例示する。
  論文  参考訳（メタデータ） (2024-01-25T23:07:32Z)
• Recommendations for public action towards sustainable generative AI systems [0.0]
  本稿では,生成AIの環境フットプリントの構成要素について述べる。 これは、大規模な言語モデルのトレーニングに関連する大量のCO2排出量と水消費を強調します。 また, 環境負荷に影響を及ぼすモデルの特徴と要因についても検討した。
  論文  参考訳（メタデータ） (2024-01-04T08:55:53Z)
• Responsible AI Considerations in Text Summarization Research: A Review of Current Practices [89.85174013619883]
  私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。 我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。 私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
  論文  参考訳（メタデータ） (2023-11-18T15:35:36Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• A Safe Genetic Algorithm Approach for Energy Efficient Federated Learning in Wireless Communication Networks [53.561797148529664]
  フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。 FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。 現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
  論文  参考訳（メタデータ） (2023-06-25T13:10:38Z)
• Sustainable AI Regulation [3.0821115746307663]
  ICT部門は温室効果ガス排出量の3.9%を占める。 AIの炭素フットプリント水消費量、特にGPT-4のような大規模生成モデルは、持続可能性に関する重大な懸念を提起している。 この論文は、持続可能なAI規制を実現するための多面的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-01T02:20:48Z)
• Enforcing Policy Feasibility Constraints through Differentiable Projection for Energy Optimization [57.88118988775461]
  本稿では,ニューラルポリシー内での凸操作制約を強制するために,PROF(Projected Feasibility)を提案する。 エネルギー効率の高い建築操作とインバータ制御の2つの応用についてPROFを実証する。
  論文  参考訳（メタデータ） (2021-05-19T01:58:10Z)
• Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
  近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。 これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。 本稿では,本稿で開発したツールと方法論について紹介する。
  論文  参考訳（メタデータ） (2020-11-03T21:22:42Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。