論文の概要: Sustainable AI Assistance Through Digital Sobriety
- arxiv url: http://arxiv.org/abs/2603.29222v1
- Date: Tue, 31 Mar 2026 03:41:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.087445
- Title: Sustainable AI Assistance Through Digital Sobriety
- Title（参考訳）: デジタルソブリエティによる持続可能なAI支援
- Authors: Madeline Jennings, Novarun Deb, Ronnie de Souza Santos,
- Abstract要約: エネルギー効率の観点からサステナビリティを運用し、AIがソフトウェア開発を支援するために使用されるプロンプトの公開オープンソースサンプルを分析します。
観測されたクエリの半数近くは、期待される利益に対して不要であると見なすことができる。
我々は、この予備分析を複製して拡張し、AIサステナビリティの社会的次元にもっと注意を払うよう求める。
- 参考スコア（独自算出の注目度）: 2.580765958706854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As AI assistants become commonplace in daily life, the demand for solutions that reduce the cost of inference without sacrificing utility is increasing. Existing work on AI sustainability frequently emphasizes hardware and software optimizations; however, there may be comparable value in social approaches that shape user behavior and discourage unnecessary use. In this study, we operationalize sustainability in terms of energy-efficiency and analyze a publicly sourced sample of prompts where AI is used for assistance in software development. Using this categorization, we find that nearly half of the observed queries can be considered unnecessary relative to their expected benefit. We further observe that factoid-style information retrieval constitutes the largest share of unnecessary requests, suggesting that a meaningful portion of everyday AI usage may be replaceable with lower-cost alternatives (e.g., conventional search or local documentation). These findings motivate a closer examination of how, why, and when AI systems are invoked, and what norms or interface-level nudges might reduce avoidable demand. We conclude with a call to replicate and extend this preliminary analysis and to pay greater attention to the social dimension of AI sustainability.
- Abstract（参考訳）: 日常生活においてAIアシスタントが一般的になるにつれて、ユーティリティを犠牲にすることなく推論コストを削減するソリューションの需要が高まっている。
AIサステナビリティに関する既存の作業では、ハードウェアとソフトウェアの最適化が強調されることが多いが、ユーザの振る舞いを形作り、不要な使用を妨げるような社会的アプローチには、同等の価値がある可能性がある。
本研究では,エネルギー効率の観点からサステナビリティを運用し,AIをソフトウェア開発支援に利用するプロンプトの公開サンプルを解析する。
この分類を用いて、観測されたクエリの半数近くは、期待される利益に対して不要であると見なすことができる。
さらに、ファクトイド形式の情報検索が不要な要求の最大シェアを占めており、日常的なAI利用の有意義な部分は、低コストな代替手段(例えば、従来の検索やローカルドキュメント)に置き換えられる可能性があることを示唆している。
これらの発見は、どのように、なぜ、いつAIシステムが起動されるのか、そしてどんな規範やインターフェースレベルの悪用が回避可能な需要を減らすのか、より精査する動機となっている。
我々は、この予備分析を複製して拡張し、AIサステナビリティの社会的次元にもっと注意を払うよう求める。
関連論文リスト
- Artificial Intelligence in Open Source Software Engineering: A Foundation for Sustainability [0.0]
レビューでは、人工知能がどのように活用され、オープンソースソフトウェアサステナビリティの課題に対処しているかを論じている。
Paperは、自動バグトリアージやシステムメンテナンスなど、この領域におけるAIの重要応用を特定している。
また、OSSコンテキストにおけるAIの適用から生じる制限と倫理的懸念についても検討する。
論文 参考訳（メタデータ） (2026-02-05T20:53:45Z) - Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。
我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
論文 参考訳（メタデータ） (2025-12-16T18:51:23Z) - ARES: Multimodal Adaptive Reasoning via Difficulty-Aware Token-Level Entropy Shaping [54.37497695483689]
本稿では,タスクの難易度に基づいて探索作業を動的に割り当てる適応推論のための統合フレームワークであるARESを提案する。
単一トークンエントロピーはノイズが多いが,高いウィンドウエントロピー(HWE)トークンは推論クリティカルな瞬間を確実に捉えることができる。
In the Adaptive Cold-Start stage, we curate multimodal and textual data paired with reasoning traces of length proportional to problem difficulty。
第2段階では,HWEトークンを探索トリガとする適応エントロピーポリシー最適化(AEPO)を開発する。
論文 参考訳（メタデータ） (2025-10-09T17:03:28Z) - The Cost of Dynamic Reasoning: Demystifying AI Agents and Test-Time Scaling from an AI Infrastructure Perspective [3.0868637098088403]
大規模言語モデル(LLM)ベースのAIエージェントは最近、動的推論を採用することで、印象的な汎用性を示した。
本稿では,AIエージェントを包括的に分析し,リソース使用量,遅延動作,エネルギー消費,テストタイムスケーリング戦略を定量化する。
その結果,エージェントは計算量の増加によって精度が向上する一方で,急速に低下するリターン,レイテンシのばらつきの拡大,持続不可能なインフラストラクチャコストに悩まされていることがわかった。
論文 参考訳（メタデータ） (2025-06-04T14:37:54Z) - To Err Is AI! Debugging as an Intervention to Facilitate Appropriate Reliance on AI Systems [11.690126756498223]
最適な人間とAIのコラボレーションのためのビジョンは、人間のAIシステムへの「適切な依存」を必要とする。
実際には、アウト・オブ・ディストリビューションデータにおける機械学習モデルの性能格差は、データセット固有のパフォーマンスフィードバックを信頼できないものにしている。
論文 参考訳（メタデータ） (2024-09-22T09:43:27Z) - 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 Understanding Human Emotional Fluctuations with Sparse Check-In Data [2.8623940003518156]
データスパシティは、さまざまなドメインにわたるAIツールのパワーを制限する重要な課題である。
本稿では,ユーザ中心のフィードバックに基づく学習を統合する新しい確率的フレームワークを提案する。
64のオプションの中で、ユーザの状態を6割の精度で予測できる。
論文 参考訳（メタデータ） (2024-09-10T21:00:33Z) - Evaluating and Improving Value Judgments in AI: A Scenario-Based Study
on Large Language Models' Depiction of Social Conventions [5.457150493905063]
我々は,現代のAIサービスがユーザニーズにどのように対応しているかを評価し,さらに,大規模言語モデルによって反映された社会の描写を考察した。
本稿では,今後の機械的価値判断に応用可能な,価値調和シナリオにおける意思決定モデルを提案する。
本稿では,他の遠隔地を調査するためのツールとしてAIを利用する実践的アプローチを提唱する。
論文 参考訳（メタデータ） (2023-10-04T08:42:02Z)
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。