論文の概要: Misinformation by Omission: The Need for More Environmental Transparency in AI
- arxiv url: http://arxiv.org/abs/2506.15572v1
- Date: Wed, 18 Jun 2025 15:49:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-19 19:35:51.728985
- Title: Misinformation by Omission: The Need for More Environmental Transparency in AI
- Title（参考訳）: ミッションによる誤報:AIにおける環境透明性向上の必要性
- Authors: Sasha Luccioni, Boris Gamazaychikov, Theo Alves da Costa, Emma Strubell,
- Abstract要約: 我々は、AIの環境影響に関する一般の理解を形作る神話と誤解を探求する。
我々は、誤解を明確にし、これらの害を緩和する上で、データの透明性の重要性について論じる。
- 参考スコア（独自算出の注目度）: 9.456892974946884
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In recent years, Artificial Intelligence (AI) models have grown in size and complexity, driving greater demand for computational power and natural resources. In parallel to this trend, transparency around the costs and impacts of these models has decreased, meaning that the users of these technologies have little to no information about their resource demands and subsequent impacts on the environment. Despite this dearth of adequate data, escalating demand for figures quantifying AI's environmental impacts has led to numerous instances of misinformation evolving from inaccurate or de-contextualized best-effort estimates of greenhouse gas emissions. In this article, we explore pervasive myths and misconceptions shaping public understanding of AI's environmental impacts, tracing their origins and their spread in both the media and scientific publications. We discuss the importance of data transparency in clarifying misconceptions and mitigating these harms, and conclude with a set of recommendations for how AI developers and policymakers can leverage this information to mitigate negative impacts in the future.
- Abstract（参考訳）: 近年、人工知能(AI)モデルはサイズと複雑さが増し、計算能力と天然資源の需要が高まっている。
この傾向と並行して、これらのモデルのコストと影響に関する透明性は低下しており、つまり、これらの技術のユーザは、リソースの要求やその後の環境への影響に関する情報をほとんど、あるいは全く持っていない。
十分なデータの不足にもかかわらず、AIの環境影響を定量化する数字の需要が増大し、不正確または非コンテクスト化された温室効果ガス排出量のベストエフォート推定から進化する誤報が多数発生している。
本稿では,AIの環境影響に関する一般の理解を形作る,広範にわたる神話や誤解を探求する。
誤解を明確にし、これらの害を緩和する上で、データの透明性が重要であることについて議論し、AI開発者や政策立案者がこの情報を利用して将来、ネガティブな影響を軽減するための一連の推奨事項で結論付けます。
関連論文リスト
- Responsible Data Stewardship: Generative AI and the Digital Waste Problem [0.0]
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。
論文 参考訳（メタデータ） (2025-05-27T20:07:22Z) - 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) - From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - 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) - Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。
第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。
第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
論文 参考訳（メタデータ） (2024-09-21T14:43:54Z) - 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) - 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) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
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。