論文の概要: A Survey of Sustainability in Large Language Models: Applications, Economics, and Challenges

• arxiv url: http://arxiv.org/abs/2412.04782v2
• Date: Sat, 18 Jan 2025 15:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 15:04:32.733386
• Title: A Survey of Sustainability in Large Language Models: Applications, Economics, and Challenges
• Title（参考訳）: 大規模言語モデルにおける持続可能性に関する調査--応用, 経済, 課題
• Authors: Aditi Singh, Nirmal Prakashbhai Patel, Abul Ehtesham, Saket Kumar, Tala Talaei Khoei,
• Abstract要約: 大規模言語モデル(LLM)は、自然言語理解、生成、推論の高度な機能を提供することによって、多くのドメインを変換している。 研究、医療、クリエイティビティ・メディアといった業界にまたがる、画期的な応用にもかかわらず、彼らの急速な採用は持続可能性に関する重要な懸念を提起する。 本研究では, LLMの環境, 経済, 計算的課題について検討し, データセンターのエネルギー消費, 炭素排出量, 資源利用に着目した。
• 参考スコア（独自算出の注目度）: 0.7889270818022226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) have transformed numerous domains by providing advanced capabilities in natural language understanding, generation, and reasoning. Despite their groundbreaking applications across industries such as research, healthcare, and creative media, their rapid adoption raises critical concerns regarding sustainability. This survey paper comprehensively examines the environmental, economic, and computational challenges associated with LLMs, focusing on energy consumption, carbon emissions, and resource utilization in data centers. By synthesizing insights from existing literature, this work explores strategies such as resource-efficient training, sustainable deployment practices, and lifecycle assessments to mitigate the environmental impacts of LLMs. Key areas of emphasis include energy optimization, renewable energy integration, and balancing performance with sustainability. The findings aim to guide researchers, practitioners, and policymakers in developing actionable strategies for sustainable AI systems, fostering a responsible and environmentally conscious future for artificial intelligence.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、自然言語理解、生成、推論の高度な機能を提供することによって、多くのドメインを変換している。 研究、医療、クリエイティビティ・メディアといった業界にまたがる、画期的な応用にもかかわらず、彼らの急速な採用は持続可能性に関する重要な懸念を提起する。 本研究では, LLMの環境, 経済, 計算的課題を総合的に検討し, データセンターのエネルギー消費, 炭素排出量, 資源利用に着目した。 既存の文献から洞察を合成することにより, LLMの環境影響を軽減するため, 資源効率のトレーニング, 持続可能な展開プラクティス, ライフサイクルアセスメントなどの戦略を探求する。 主な重点分野は、エネルギー最適化、再生可能エネルギー統合、性能と持続可能性のバランスである。 この研究の目的は、研究者、実践者、政策立案者が持続可能なAIシステムのための実行可能な戦略を開発し、人工知能の責任と環境に配慮した未来を育むことである。

関連論文リスト

• Optimizing Large Language Models: Metrics, Energy Efficiency, and Case Study Insights [2.1249213103048414]
  大規模言語モデル(LLM)の急速な採用により、エネルギー消費と二酸化炭素排出量が大きくなった。 本稿では,これらの問題に対処するため,LLMの展開におけるエネルギー効率の最適化手法の統合について検討する。
  論文  参考訳（メタデータ） (2025-04-07T21:56:59Z)
• Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
  我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。 我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
  論文  参考訳（メタデータ） (2025-04-01T13:53:11Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• A Survey on Post-training of Large Language Models [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,5つのコアパラダイムにまたがるPoLMの進化を体系的に追跡する,最初の包括的調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Systems-of-Systems for Environmental Sustainability: A Systematic Mapping Study [0.7095350526841507]
  本研究は, 環境保全性に着目し, 炭素排出削減, エネルギー効率, 生物多様性保全などの持続的実践にSoSがどのように貢献するかを分析する。 我々は、持続可能性、直面する課題、研究機会におけるSoSの適用領域を特定するために、システマティックマッピングスタディを実施しました。 その結果、ほとんどの研究はスマートシティとスマートグリッドに焦点を当てているが、持続可能な農業や山火事防止といった応用は研究されていないことがわかった。
  論文  参考訳（メタデータ） (2025-02-27T12:00:27Z)
• Addressing the sustainable AI trilemma: a case study on LLM agents and RAG [7.6212949300713015]
  大規模言語モデル(LLM)は重要な機能を示しているが、その広範なデプロイメントとより高度なアプリケーションによって、重要な持続可能性の課題が提起されている。 本稿では、持続可能なAIトリレムマの概念を提案し、AI能力、デジタルエクイティ、環境サステナビリティの緊張関係を強調する。
  論文  参考訳（メタデータ） (2025-01-14T17:21:16Z)
• Enhancing Green Economy with Artificial Intelligence: Role of Energy Use and FDI in the United States [0.0]
  本研究は,1990年から2022年までの米国における,人工知能(AI)の革新,経済成長,外国直接投資(FDI),エネルギー消費,都市化がCO2排出量に与える影響について検討した。 AIイノベーションは環境ストレス、経済成長、エネルギー利用、FDI、都市化を緩和し、環境劣化を悪化させる。 この研究は、グリーンFDIの推進、AI技術の進歩、持続可能なエネルギープラクティスの採用、米国における持続可能な成長を促進するためのエコフレンドリーな都市開発の導入といった政策措置を提案する。
  論文  参考訳（メタデータ） (2024-12-20T03:03:21Z)
• Architectural Tactics to Improve the Environmental Sustainability of Microservices: A Rapid Review [0.0]
  この素早いレビューは、22のピアレビュー研究を集め、システムの環境持続可能性を改善するためのアーキテクチャ戦略を合成する。 動作可能な方法で提示され、持続可能性の側面と状況に応じて分類される6つの戦術をリストアップする。
  論文  参考訳（メタデータ） (2024-07-19T22:44:58Z)
• The Responsible Foundation Model Development Cheatsheet: A Review of Tools & Resources [100.23208165760114]
  ファンデーションモデル開発は、急速に成長するコントリビュータ、科学者、アプリケーションを引き付けている。 責任ある開発プラクティスを形成するために、我々はFoundation Model Development Cheatsheetを紹介します。
  論文  参考訳（メタデータ） (2024-06-24T15:55:49Z)
• 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)
• Beyond Efficiency: A Systematic Survey of Resource-Efficient Large Language Models [33.50873478562128]
  LLM(Large Language Models)は、計算、メモリ、エネルギー、金融資源の高消費に課題をもたらす。 本調査は, LLMの資源効率向上を目的とした多種多様な手法を概観することにより, これらの課題を体系的に解決することを目的としている。
  論文  参考訳（メタデータ） (2024-01-01T01:12:42Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Artificial intelligence for Sustainable Energy: A Contextual Topic Modeling and Content Analysis [0.0]
  LDA、BERT、Clusteringを組み合わせた新しいコンテキストトピックモデリングを提供する。 次に、これらの計算分析と関連する学術出版物のコンテンツ分析を組み合わせて、持続可能なAIに関する科学研究における主要な学術的話題、サブテーマ、および横断テーマを特定した。 我々の研究は、持続可能な建物、都市水管理のためのAIベースのDSS、気候人工知能、農業4、AIとIoTの融合、再生可能技術の評価を含む8つの主要なトピックを特定した。
  論文  参考訳（メタデータ） (2021-10-02T15:51:51Z)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。