論文の概要: The HCI GenAI CO2ST Calculator: A Tool for Calculating the Carbon Footprint of Generative AI Use in Human-Computer Interaction Research
- arxiv url: http://arxiv.org/abs/2504.00692v1
- Date: Tue, 01 Apr 2025 12:02:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-03 13:19:57.027912
- Title: The HCI GenAI CO2ST Calculator: A Tool for Calculating the Carbon Footprint of Generative AI Use in Human-Computer Interaction Research
- Title（参考訳）: HCI GenAI CO2ST電卓:人-コンピュータインタラクション研究における生成AIのカーボンフットプリントの計算ツール
- Authors: Nanna Inie, Jeanette Falk, Raghavendra Selvan,
- Abstract要約: HCI(Human-Computer Interaction)研究における生成AI(GenAI)の利用の増加は、二酸化炭素排出量から気候への影響を誘導する。
HCIの研究者たちは、ハードウェアとそのエネルギー消費が平易な視点から隠されているクラウドベースのサービスを使うことが多い。
GenAI CO2ST Calculatorは、ジェネレーションAIを用いた研究におけるエネルギー消費と炭素フットプリントの推定を支援する。
- 参考スコア（独自算出の注目度）: 8.698137120086065
- License:
- Abstract: Increased usage of generative AI (GenAI) in Human-Computer Interaction (HCI) research induces a climate impact from carbon emissions due to energy consumption of the hardware used to develop and run GenAI models and systems. The exact energy usage and and subsequent carbon emissions are difficult to estimate in HCI research because HCI researchers most often use cloud-based services where the hardware and its energy consumption are hidden from plain view. The HCI GenAI CO2ST Calculator is a tool designed specifically for the HCI research pipeline, to help researchers estimate the energy consumption and carbon footprint of using generative AI in their research, either a priori (allowing for mitigation strategies or experimental redesign) or post hoc (allowing for transparent documentation of carbon footprint in written reports of the research).
- Abstract（参考訳）: HCI(Human-Computer Interaction)研究における生成AI(GenAI)の利用の増加は、GenAIモデルやシステムの開発と実行に使用されるハードウェアのエネルギー消費による二酸化炭素排出による気候影響を誘導する。
HCIの研究者は、ハードウェアとそのエネルギー消費が平易な視点から隠されているクラウドベースのサービスを使うことが多いため、正確なエネルギー使用量やその後の二酸化炭素排出量を見積もるのは困難である。
HCI GenAI CO2ST Calculatorは、研究者が研究で生成AIを使用する際のエネルギー消費と炭素フットプリントを推定するのを助けるために、HCI研究パイプラインのために特別に設計されたツールである。
関連論文リスト
- Life-Cycle Emissions of AI Hardware: A Cradle-To-Grave Approach and Generational Trends [4.68541999760349]
本研究では,温室効果ガス排出量の総合的AI加速器ライフサイクルアセスメント(LCA)を初めて発表した。
5つの処理ユニット(TPU)の解析は、ハードウェア寿命のすべての段階を包含する。
この研究の副産物は、AIハードウェアの持続可能性を評価するのに役立つ新しい計量計算炭素強度(CCI)である。
論文 参考訳（メタデータ） (2025-02-01T17:26:19Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - 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) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳（メタデータ） (2023-03-24T18:32:38Z) - Eco2AI: carbon emissions tracking of machine learning models as the
first step towards sustainable AI [47.130004596434816]
eco2AIでは、エネルギー消費の追跡と地域CO2排出量の正当性に重点を置いている。
モチベーションは、サステナブルAIとグリーンAI経路の両方で、AIベースの温室効果ガスの隔離サイクルの概念からもたらされる。
論文 参考訳（メタデータ） (2022-07-31T09:34:53Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z) - Intelligent Building Control Systems for Thermal Comfort and
Energy-Efficiency: A Systematic Review of Artificial Intelligence-Assisted
Techniques [3.2926483061955922]
建設作業は、ほとんどの国で消費される総一次エネルギーのかなりの割合を占める。
HVACシステムにおけるエネルギー使用と適切な室内快適度との間のスイートスポットを見つけるために、さまざまなAI技術が展開されている。
建築制御におけるAI技術の適用は有望な研究分野であり、AIベースの制御の性能はまだ十分に満足していない。
論文 参考訳（メタデータ） (2021-04-06T01:04:28Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。