論文の概要: Responsible Data Stewardship: Generative AI and the Digital Waste Problem
- arxiv url: http://arxiv.org/abs/2505.21720v1
- Date: Tue, 27 May 2025 20:07:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 17:35:50.26395
- Title: Responsible Data Stewardship: Generative AI and the Digital Waste Problem
- Title（参考訳）: Responsible Data Stewardship: 生成AIとデジタル廃棄物問題
- Authors: Vanessa Utz,
- Abstract要約: 生成AIシステムは、テキスト、画像、オーディオ、ビデオモダリティにまたがる、前例のない合成データの生成レベルを可能にする。
デジタルムダ(Digital waste)とは、特定の目的(あるいは即時)を果たすことなく、リソースを消費するデータをいう。
本稿では,デジタル廃棄物を(生産的な)AI開発における倫理的命令として導入し,環境の持続可能性を責任あるイノベーションの核として位置づける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As generative AI systems become widely adopted, they enable unprecedented creation levels of synthetic data across text, images, audio, and video modalities. While research has addressed the energy consumption of model training and inference, a critical sustainability challenge remains understudied: digital waste. This term refers to stored data that consumes resources without serving a specific (and/or immediate) purpose. This paper presents this terminology in the AI context and introduces digital waste as an ethical imperative within (generative) AI development, positioning environmental sustainability as core for responsible innovation. Drawing from established digital resource management approaches, we examine how other disciplines manage digital waste and identify transferable approaches for the AI community. We propose specific recommendations encompassing re-search directions, technical interventions, and cultural shifts to mitigate the environmental consequences of in-definite data storage. By expanding AI ethics beyond immediate concerns like bias and privacy to include inter-generational environmental justice, this work contributes to a more comprehensive ethical framework that considers the complete lifecycle impact of generative AI systems.
- Abstract（参考訳）: 生成AIシステムが広く採用されるにつれて、テキスト、画像、オーディオ、ビデオのモダリティにまたがる、前代未聞の合成データの生成レベルが実現される。
モデルトレーニングと推論のエネルギー消費について研究が行われてきたが、重要な持続可能性の課題は、デジタル廃棄物である。
この用語は、特定の目的(および/または即時)を果たさずにリソースを消費する格納データを指す。
本稿では、この用語をAIの文脈で提示し、デジタル廃棄物を(生産的な)AI開発における倫理的命令として導入し、環境の持続可能性を責任あるイノベーションのコアとして位置づける。
確立されたデジタルリソース管理アプローチから、他の分野がデジタル廃棄物を管理し、AIコミュニティのために転送可能なアプローチを特定する方法について検討する。
本研究では、不確定なデータストレージの環境影響を軽減するため、再調査の方向性、技術的介入、文化的変化を含む具体的な勧告を提案する。
バイアスやプライバシといった直接的な懸念を越えて、世代間環境正義を含むAI倫理を拡張することで、この研究は、生成AIシステムの完全なライフサイクルへの影響を考慮に入れたより包括的な倫理的枠組みに寄与する。
関連論文リスト
- Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences [50.9036832382286]
我々は、AI研究成果に対する信頼の侵食の増加についてレビューする。
我々は、AIエコシステムの断片化されたコンポーネントと、OpenとSustainable AIを最大限にサポートするためのガイドパスの欠如について論じる。
私たちの研究は、研究者と関連するAIリソースを結びつけることで、持続可能な、再利用可能な、透過的なAIの実装を容易にします。
論文 参考訳（メタデータ） (2025-05-22T12:52:34Z) - Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。
本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。
以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-29T10:21:40Z) - 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) - Data Ecofeminism [0.0]
ジェネレーティブ・人工知能(GenAI)は環境に大きな影響を与えている。
この論文は、GenAIイノベーションレースの緊急再評価を求めている。
論文 参考訳（メタデータ） (2025-02-16T11:47:50Z) - Data and System Perspectives of Sustainable Artificial Intelligence [43.21672481390316]
持続可能なAIは、環境への影響を減らし、持続可能性を達成することを目的としたAIのサブフィールドである。
本稿では、これらの問題に対処するための現在の課題、機会、例題ソリューションについて論じる。
論文 参考訳（メタデータ） (2025-01-13T17:04:23Z) - Towards Environmentally Equitable AI [23.332350246411124]
我々は、将来のAIシステムの管理の優先事項として、環境エクイティを提唱する。
我々は、地域によって環境コストをかなり分散させるために、エクイティ対応の地理的負荷分散の可能性を明らかにする。
我々は、AIの環境不平等を緩和するシステム管理アプローチの可能性を最大限活用するための、いくつかの今後の方向性を議論することで締めくくります。
論文 参考訳（メタデータ） (2024-12-21T08:46:19Z) - When AI Eats Itself: On the Caveats of AI Autophagy [18.641925577551557]
AIオートファジー現象は、生成的AIシステムが認識せずに自分たちのアウトプットを消費する未来を示唆している。
本研究では、既存の文献を調査し、AIオートファジーの結果を掘り下げ、関連するリスクを分析し、その影響を軽減するための戦略を探求する。
論文 参考訳（メタデータ） (2024-05-15T13:50:23Z) - Green Edge AI: A Contemporary Survey [46.11332733210337]
AIの変換力は、ディープニューラルネットワーク(DNN)の利用から導かれる。
ディープラーニング(DL)は、エンドユーザーデバイス(EUD)に近い無線エッジネットワークに移行しつつある。
その可能性にもかかわらず、エッジAIは大きな課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、DLのリソース集約的な性質の分離である。
論文 参考訳（メタデータ） (2023-12-01T04:04:37Z) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳（メタデータ） (2023-09-23T00:05:39Z) - Towards Sustainable Artificial Intelligence: An Overview of
Environmental Protection Uses and Issues [0.0]
本稿では,明日の生態学的課題に対応するエネルギー消費技術のパラドックスについて述べる。
これは、ユースケースや具体的な例を示すために、グリーンプレイヤー向けのAIから多くの例を引き合いに出している。
環境の次元は、AIの幅広い倫理的問題の一部であり、長期的にAIの持続可能性を保証するために不可欠である。
論文 参考訳（メタデータ） (2022-12-22T14:31:48Z)
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。