論文の概要: Toward Carbon-Neutral Human AI: Rethinking Data, Computation, and Learning Paradigms for Sustainable Intelligence
- arxiv url: http://arxiv.org/abs/2510.23524v1
- Date: Mon, 27 Oct 2025 17:02:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.629903
- Title: Toward Carbon-Neutral Human AI: Rethinking Data, Computation, and Learning Paradigms for Sustainable Intelligence
- Title（参考訳）: カーボンニュートラルAIに向けて - 持続可能なインテリジェンスのためのデータ、計算、学習パラダイムを再考する
- Authors: KC Santosh, Rodrigue Rizk, Longwei Wang,
- Abstract要約: 本稿では,大規模で静的なデータセットとモノリシックなトレーニングパラダイムへの依存度を批判する。
我々は,段階的な学習,炭素認識の最適化,ループ内の人間とのコラボレーションを重視した,新しいフレームワークであるHuman AIを紹介した。
- 参考スコア（独自算出の注目度）: 2.7946918847372277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid advancement of Artificial Intelligence (AI) has led to unprecedented computational demands, raising significant environmental and ethical concerns. This paper critiques the prevailing reliance on large-scale, static datasets and monolithic training paradigms, advocating for a shift toward human-inspired, sustainable AI solutions. We introduce a novel framework, Human AI (HAI), which emphasizes incremental learning, carbon-aware optimization, and human-in-the-loop collaboration to enhance adaptability, efficiency, and accountability. By drawing parallels with biological cognition and leveraging dynamic architectures, HAI seeks to balance performance with ecological responsibility. We detail the theoretical foundations, system design, and operational principles that enable AI to learn continuously and contextually while minimizing carbon footprints and human annotation costs. Our approach addresses pressing challenges in active learning, continual adaptation, and energy-efficient model deployment, offering a pathway toward responsible, human-centered artificial intelligence.
- Abstract（参考訳）: 人工知能(AI)の急速な進歩は、前例のない計算上の要求を招き、環境および倫理上の重大な懸念を提起している。
本稿では、大規模で静的なデータセットとモノリシックなトレーニングパラダイムへの依存を批判し、人間にインスパイアされた持続可能なAIソリューションへの移行を提唱する。
我々は、適応性、効率性、説明責任を高めるために、漸進的な学習、カーボン・アウェアの最適化、およびヒューマン・イン・ザ・ループのコラボレーションを強調する新しいフレームワークであるHuman AI(HAI)を紹介する。
HAIは生物学的認知と動的アーキテクチャを活用することで、パフォーマンスと生態的責任のバランスを保とうとしている。
我々は、炭素フットプリントと人間のアノテーションコストを最小限に抑えながら、AIが継続的に、文脈的に学習できる理論の基礎、システム設計、運用原則を詳述する。
我々のアプローチは、積極的学習、継続的な適応、エネルギー効率のモデル展開における課題に対処し、責任ある人間中心の人工知能への道筋を提供する。
関連論文リスト
- Open and Sustainable AI: challenges, opportunities and the road ahead in the life sciences (October 2025 -- Version 2) [49.142289900583705]
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) - A call for embodied AI [1.7544885995294304]
我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。
Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。
このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
論文 参考訳（メタデータ） (2024-02-06T09:11:20Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - 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) - Sustainable AI: Environmental Implications, Challenges and Opportunities [13.089123643565724]
我々は、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べることで、AIコンピューティングの炭素フットプリントを特徴づける。
ハードウェア・ソフトウェア設計と大規模最適化がAIのカーボンフットプリント全体の削減にどのように役立つのかを、エンドツーエンドで分析する。
論文 参考訳（メタデータ） (2021-10-30T23:36:10Z)
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。