論文の概要: Do Generative AI Tools Ensure Green Code? An Investigative Study
- arxiv url: http://arxiv.org/abs/2506.08790v1
- Date: Tue, 10 Jun 2025 13:38:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:42.557272
- Title: Do Generative AI Tools Ensure Green Code? An Investigative Study
- Title（参考訳）: 生成AIツールはグリーンコードを保証するか?調査研究
- Authors: Samarth Sikand, Rohit Mehra, Vibhu Saujanya Sharma, Vikrant Kaulgud, Sanjay Podder, Adam P. Burden,
- Abstract要約: 本稿では,3つの一般的な生成AIツールを対象とした,AI生成コードの持続可能性に関する早期調査の結果を紹介する。
結果は、複数のルールやシナリオにわたって、コードを生成するツールのデフォルトの非グリーンな振る舞いを強調します。
- 参考スコア（独自算出の注目度）: 9.067268029288195
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software sustainability is emerging as a primary concern, aiming to optimize resource utilization, minimize environmental impact, and promote a greener, more resilient digital ecosystem. The sustainability or "greenness" of software is typically determined by the adoption of sustainable coding practices. With a maturing ecosystem around generative AI, many software developers now rely on these tools to generate code using natural language prompts. Despite their potential advantages, there is a significant lack of studies on the sustainability aspects of AI-generated code. Specifically, how environmentally friendly is the AI-generated code based upon its adoption of sustainable coding practices? In this paper, we present the results of an early investigation into the sustainability aspects of AI-generated code across three popular generative AI tools - ChatGPT, BARD, and Copilot. The results highlight the default non-green behavior of tools for generating code, across multiple rules and scenarios. It underscores the need for further in-depth investigations and effective remediation strategies.
- Abstract（参考訳）: ソフトウェアサステナビリティは、リソース利用を最適化し、環境への影響を最小限に抑え、よりグリーンでレジリエントなデジタルエコシステムを促進することを目的として、主要な関心事として浮上している。
ソフトウェアの持続可能性や"グリーンネス"は、一般的に、持続可能なコーディングプラクティスの採用によって決定されます。
生成AIを中心とした成熟したエコシステムによって、多くのソフトウェア開発者は、自然言語プロンプトを使用してコードを生成するためにこれらのツールに依存している。
潜在的な優位性にもかかわらず、AI生成コードの持続可能性に関する研究は極めて不足している。
具体的には、持続可能なコーディングプラクティスを採用したAI生成コードは、どの程度環境に優しいのか?
本稿では、ChatGPT、BARD、Copilotの3つの一般的な生成AIツールにおいて、AI生成コードの持続可能性に関する早期調査の結果を示す。
結果は、コードを生成するツールのデフォルトの非グリーンな振る舞いを、複数のルールやシナリオにわたって強調している。
さらなる詳細な調査と効果的な修復戦略の必要性を浮き彫りにしている。
関連論文リスト
- Towards a Knowledge Base of Common Sustainability Weaknesses in Green Software Development [9.521952718902973]
本稿では,コードに一般的に発生する持続可能性弱点の標準的な知識基盤の開発の必要性を動機づける。
ソフトウェア弱点に関する既存の知識が、重大なデューディリジェンスを伴わずに持続可能性に"as is"をタグ付けできない理由を実証する。
論文 参考訳（メタデータ） (2025-06-10T14:03:58Z) - 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) - Carbon Footprint Evaluation of Code Generation through LLM as a Service [5.782162597806532]
グリーンコーディングとAIモデルはエネルギー効率を向上させることができると主張している。
本稿では,AIモデルの持続可能性意識を測定するためのグリーンコーディングとメトリクスの概要を紹介する。
論文 参考訳（メタデータ） (2025-03-30T15:27:04Z) - Innovating for Tomorrow: The Convergence of SE and Green AI [2.013374581642707]
機械学習は、既存のソフトウェアエンジニアリングプロセスのフロンティアを変えつつある。
我々は、環境に優しいプラクティスを採用してAI対応のソフトウェアシステムを構築することの影響を反映する。
論文 参考訳（メタデータ） (2024-06-26T07:47:04Z) - Learn to Code Sustainably: An Empirical Study on LLM-based Green Code
Generation [7.8273713434806345]
生成型商用AI言語モデルにより生成された自動生成符号の持続可能性を評価する。
3つのAI言語モデルによって生成された人為的なコードとコードのパフォーマンスとグリーンキャパシティを比較した。
論文 参考訳（メタデータ） (2024-03-05T22:12:01Z) - 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) - 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) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - 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。