論文の概要: Measured from the feed: the unsustainable growth of AI video generation
- arxiv url: http://arxiv.org/abs/2611.17938v1
- Date: Fri, 13 Nov 2026 09:21:46 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:21:28.946631
- Title: Measured from the feed: the unsustainable growth of AI video generation
- Title(参考訳): フィードから測る:AIビデオ生成の持続不可能な成長
- Abstract要約: 成長が続く中で、技術改善にもかかわらず、2030年までにエミッションは75%近く上昇した。
同様の改善により、使用量が2026水準のままであれば、排出量を約5分の2削減できる。
- 参考スコア(独自算出の注目度): 1.9952964809180536
- License:
- Abstract: Text-to-video generation runs at commercial scale, but its broader environmental impacts remain, to our knowledge, understudied. Providers rarely disclose video volumes or energy needs; we measured the yearly video output of two commercial platforms and built a prospective model of such services' absolute footprint from training to storage. Our projections suggest that reducing emissions depends on both limiting growth in video generation and achieving substantial efficiency gains. Under continued growth, emissions rise nearly seventy-five-fold by 2030 despite technological improvements. When usage remains at 2026 levels, the same improvements reduce emissions by about two-fifths. These estimates are a conservative lower bound: they cover one AI service among many; other services and uses would push the total higher.
- Abstract(参考訳): テキスト・ビデオ・ジェネレーションは商業規模で実行されますが、その幅広い環境影響は、私たちの知識にはまだ残っています。
2つの商用プラットフォームの年次ビデオ出力を測定し、トレーニングからストレージへの絶対的なフットプリントの予測モデルを構築した。
我々の予測では、エミッションの削減は、ビデオ生成の限界成長と実質的な効率向上の両方に依存している。
成長が続く中で、技術改善にもかかわらず、2030年までにエミッションは75倍近く上昇した。
使用量が2026レベルにとどまると、同じ改善により排出量が約5分の2削減される。
これらの見積もりは保守的な下限であり、多くのAIサービスをカバーしている。
関連論文リスト
- Latent evolving World Action Model [58.32634534358966]
世界行動モデル(WAM)における視覚的表現が行動生成に与える影響について検討する。
本稿では,JEPA埋め込みにおけるアクション生成を条件としたLeWAMを提案する。
LeWAMはRoboTwin 2.0の平均成功率は92.28%であり、最先端のVLAやWAMに匹敵する。
論文 参考訳(メタデータ) (2026-09-23T07:22:43Z) - Powering the Future of AI: Navigating the Trade-offs for Europe's Energy Transition and Net-Zero Goals [0.0]
我々は、DCのさらなる需要、キャパシティ要件、排出、運用への影響を定量化します。
その結果、AIは2050年までに73-723 TWhの余剰需要を加速させ、2030年から2050年の間に67-181 MtCO2の累積排出量を過小評価する恐れがあることが示唆された。
2050年の純ゼロ目標が達成されるかもしれないが、重要な排出リスクは中間年内に現れ、EUはこの加速するデジタルトランスフォーメーションに政策が適応しなければ、その炭素中性目標を損なう可能性がある。
論文 参考訳(メタデータ) (2026-06-08T15:22:38Z) - Plateau That Never Comes: When Efficiency Claims in Datacenters and AI Become Greenwashing [3.392719332374791]
生成AIによるデータセンタの拡張は、サステナビリティとの互換性がますます高まっている。
しかし、これらの主張は、絶対的な電気、水、材料、廃棄物、そしてコミュニティが直面する負担が減少していることを示さないことが多い。
これらの持続的成長の物語は、持続可能性の主張に効率改善を使用すると、グリーンウォッシングとして機能し始めます。
論文 参考訳(メタデータ) (2026-06-02T21:01:40Z) - The Environmental Impact of AI Servers and Sustainable Solutions [0.0]
本研究では,AIサーバ運用の環境フットプリントを評価する。
予想では、2024年のデータセンターの電力需要は、2030年までに約415 TWhから945 TWhに増加する可能性がある。
米国だけでも、2030年までにAIサーバーは年間200~300億ガロンの水を消費し、24~4400万トン分の二酸化炭素を排出すると予想されている。
論文 参考訳(メタデータ) (2025-12-24T01:09:06Z) - Holistically Evaluating the Environmental Impact of Creating Language Models [26.846990296567267]
我々は、2000万から13億のアクティブパラメータから、最大5.6兆のトークンで訓練された一連の言語モデルを開発することで、現実世界の環境への影響を推定する。
私たちの一連のモデルでは、米国の約98世帯に1年間電力を供給するのと同等の493トンの二酸化炭素を放出しています。
また、トレーニングを通じての電力使用量は一貫性がなく、ハードウェアの最大消費電力の15%から85%の間で変動していることもわかりました。
論文 参考訳(メタデータ) (2025-03-03T22:16:15Z) - 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) - Reporting and Analysing the Environmental Impact of Language Models on the Example of Commonsense Question Answering with External Knowledge [7.419725234099729]
チャットGPTは大規模言語モデル(LLM)に社会的な関心を喚起した
LLMは相当な計算資源を必要としており、財政的にも環境的にも訓練に非常に費用がかかる。
本研究では,外部知識でT5 LLMを注入し,質問応答タスクのモデルを微調整した。
論文 参考訳(メタデータ) (2024-07-24T16:16:16Z) - Latent Video Diffusion Models for High-Fidelity Long Video Generation [58.346702410885236]
低次元ラテント空間を用いた軽量映像拡散モデルを提案する。
また,1000フレーム以上の長編動画を生成できるように,遅延空間における階層的拡散も提案する。
我々のフレームワークは、以前の強力なベースラインよりもリアルで長いビデオを生成する。
論文 参考訳(メタデータ) (2022-11-23T18:58:39Z) - Compute and Energy Consumption Trends in Deep Learning Inference [67.32875669386488]
コンピュータビジョンと自然言語処理の分野における関連モデルについて検討する。
継続的な性能向上のために、これまで予想されていたよりもエネルギー消費の軟化が見られた。
論文 参考訳(メタデータ) (2021-09-12T09:40:18Z)
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。