論文の概要: Carbon-Aware Governance Gates: An Architecture for Sustainable GenAI Development
- arxiv url: http://arxiv.org/abs/2602.19718v1
- Date: Mon, 23 Feb 2026 11:11:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.78372
- Title: Carbon-Aware Governance Gates: An Architecture for Sustainable GenAI Development
- Title（参考訳）: Carbon-Aware Governance Gates: 持続可能なGenAI開発のためのアーキテクチャ
- Authors: Mateen A. Abbasi, Tommi J. Mikkonen, Petri J. Ihantola, Muhammad Waseem, Pekka Abrahamsson, Niko K. Mäkitalo,
- Abstract要約: Carbon-Aware Governance Gates (CAGG) は、炭素予算、エネルギー実績、持続可能性を考慮した検証オーケストレーションを人間とAIのガバナンス層に組み込むアーキテクチャ拡張である。
本稿では, 炭素予算, エネルギー実績, 持続可能性を考慮した検証オーケストレーションを人間とAIのガバナンス層に組み込むアーキテクチャ拡張であるCAGGを提案する。
- 参考スコア（独自算出の注目度）: 1.6352249519113744
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid adoption of Generative AI (GenAI) in the software development life cycle (SDLC) increases computational demand, which can raise the carbon footprint of development activities. At the same time, organizations are increasingly embedding governance mechanisms into GenAI-assisted development to support trust, transparency, and accountability. However, these governance mechanisms introduce additional computational workloads, including repeated inference, regeneration cycles, and expanded validation pipelines, increasing energy use and the carbon footprint of GenAI-assisted development. This paper proposes Carbon-Aware Governance Gates (CAGG), an architectural extension that embeds carbon budgets, energy provenance, and sustainability-aware validation orchestration into human-AI governance layers. CAGG comprises three components: (i) an Energy and Carbon Provenance Ledger, (ii) a Carbon Budget Manager, and (iii) a Green Validation Orchestrator, operationalized through governance policies and reusable design patterns.
- Abstract（参考訳）: ソフトウェア開発ライフサイクル(SDLC)における生成AI(GenAI)の急速な採用により、計算需要が増加し、開発活動の炭素フットプリントが増大する。
同時に、組織は、信頼、透明性、説明責任をサポートするために、ガバナンスメカニズムをGenAI支援開発に組み込んでいます。
しかしながら、これらのガバナンスメカニズムには、繰り返しの推論、再生サイクル、検証パイプラインの拡張、エネルギー使用の増加、GenAI支援開発における炭素フットプリントなど、さらなる計算処理が導入されている。
本稿では,炭素予算,エネルギ発生,持続可能性を考慮した検証オーケストレーションを人間とAIのガバナンス層に組み込むアーキテクチャ拡張であるCarbon-Aware Governance Gates(CAGG)を提案する。
CAGGは3つの構成要素から構成される。
一 エネルギー及び炭素プロヴァンスレジャー
(二)炭素予算管理人及び
三 グリーンバリデーションオーケストレータで、ガバナンス方針及び再利用可能なデザインパターンを介して運用する。
関連論文リスト
- Quantifying the Climate Risk of Generative AI: Region-Aware Carbon Accounting with G-TRACE and the AI Sustainability Pyramid [2.2999148299770047]
GenAIは、エネルギー需要と関連するCO2排出量が新たな気候リスクのカテゴリとして出現する、急速に拡大するデジタルインフラである。
本研究は、トレーニングおよび推論関連エミッションを定量化するクロスモーダルな領域認識フレームワークであるG-TRACEを紹介する。
AI Sustainability Pyramidは、炭素会計メトリクスと運用の準備、最適化、管理を結びつける7段階のガバナンスモデルである。
論文 参考訳（メタデータ） (2025-11-06T19:52:02Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Integrating AI's Carbon Footprint into Risk Management Frameworks: Strategies and Tools for Sustainable Compliance in Banking Sector [0.0]
本稿では,AIの炭素フットプリントを銀行セクターのリスク管理フレームワーク(RMF)に統合することを検討する。
近年のAI研究、例えばOpen Mixture-of-Experts (OLMoE)フレームワークは、より効率的でダイナミックなAIモデルを提供する。
これらの技術的例を用いて、この論文は、銀行がAIの炭素フットプリントを特定し、評価し、緩和するための構造化されたアプローチを概説している。
論文 参考訳（メタデータ） (2024-09-15T23:09:27Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - 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) - Toward Sustainable GenAI using Generation Directives for Carbon-Friendly Large Language Model Inference [8.567865555551911]
本稿では,ジェネレーティブ・Large Language Model (LLM) 推論サービスの炭素フットプリント削減を目的とした,革新的なフレームワークであるSproutを提案する。
提案手法は,生態系の持続可能性と高品質な生成結果の需要のバランスをとる。
Llama2およびグローバル電力グリッドデータを用いた実世界の評価において, 炭素排出量を40%以上削減できることを実証した。
論文 参考訳（メタデータ） (2024-03-19T16:53:53Z) - 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。