Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models

要約

人工知能 (AI) とモノのインターネット (IoT) を統合することにより、モノの人工知能 (AIoT) は多くの分野に革命をもたらしました。
しかし、モバイルテクノロジーの継続的な進歩により、AIoTはエネルギー消費と二酸化炭素排出という課題に直面しています。
幸いなことに、Generative AI (GAI) は、その優れた推論機能と生成機能により、AIoT の炭素排出量を削減する計り知れない可能性を秘めています。
この記事では、炭素排出量削減における GAI の可能性を探り、低炭素 AIoT 向けの新しい GAI 対応ソリューションを提案します。
具体的には、まず AIoT における炭素排出を引き起こす主な影響を調査し、次に GAI 技術とその炭素排出との関係を紹介します。
次に、GAI がネットワーク コンポーネントの炭素排出量をどのように削減できるかに焦点を当て、低炭素 AIoT における GAI の応用の可能性を探ります。
続いて、大規模言語モデル (LLM) 対応の炭素排出最適化フレームワークを提案します。このフレームワークでは、より正確で信頼性の高い最適化問題を生成するために、プラグ可能な LLM および検索拡張生成 (RAG) モジュールを設計します。
さらに、生成拡散モデル (GDM) を利用して、炭素排出削減のための最適な戦略を特定します。
数値結果は、提案されたフレームワークの有効性を示しています。
最後に、私たちは洞察力に富み、低炭素 AIoT に関するオープンな研究の方向性を提供します。

要約(オリジナル)

By integrating Artificial Intelligence (AI) with the Internet of Things (IoT), Artificial Intelligence of Things (AIoT) has revolutionized many fields. However, AIoT is facing the challenges of energy consumption and carbon emissions due to the continuous advancement of mobile technology. Fortunately, Generative AI (GAI) holds immense potential to reduce carbon emissions of AIoT due to its excellent reasoning and generation capabilities. In this article, we explore the potential of GAI for carbon emissions reduction and propose a novel GAI-enabled solution for low-carbon AIoT. Specifically, we first study the main impacts that cause carbon emissions in AIoT, and then introduce GAI techniques and their relations to carbon emissions. We then explore the application prospects of GAI in low-carbon AIoT, focusing on how GAI can reduce carbon emissions of network components. Subsequently, we propose a Large Language Model (LLM)-enabled carbon emission optimization framework, in which we design pluggable LLM and Retrieval Augmented Generation (RAG) modules to generate more accurate and reliable optimization problems. Furthermore, we utilize Generative Diffusion Models (GDMs) to identify optimal strategies for carbon emission reduction. Numerical results demonstrate the effectiveness of the proposed framework. Finally, we insightfully provide open research directions for low-carbon AIoT.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google