A Systematic Review of Green AI

要約

タイトル：Green AIの体系的レビュー

要約：

– AIに基づくシステムの採用が増えるにつれ、AIの炭素排出量は無視できなくなっている。
– AIの環境持続可能性に取り組む研究領域であるGreen AIが最近登場した。
– この論文では、Green AI文献の体系的なレビューを行って、98件の主要な研究を分析し、異なるパターンが浮かび上がった。
– 2020年以降、Green AIの関心は著しく高まっている。
– 多くの研究は、AIモデルのフットプリントのモニタリング、ハイパーパラメータの調整によるモデルの持続可能性の改善、モデルのベンチマークを考慮している。
– ポジションペーパー、観察研究、ソリューションペーパーの組み合わせが存在する。
– 多くの論文は、トレーニングフェーズに焦点を置いており、アルゴリズムに関係なく、またはニューラルネットワークを研究し、画像データを使用している。
– ラボ実験が最も一般的な研究戦略である。
– 報告されたGreen AIのエネルギー削減率は最大115％であり、50％以上の削減率も一般的である。
– 産業界もGreen AIの研究に参加しているが、ほとんどは学術誌向けである。
– Green AIツールの提供はまだまだ不十分である。
– 結論として、Green AI研究分野は相当な成熟度に達していると結論付けられる。したがって、Green AIの数多くの有望な学術的結果を産業実践に移植するために、他のGreen AI研究戦略の採用の時間が適しているとのこと。

要約(オリジナル)

With the ever-growing adoption of AI-based systems, the carbon footprint of AI is no longer negligible. AI researchers and practitioners are therefore urged to hold themselves accountable for the carbon emissions of the AI models they design and use. This led in recent years to the appearance of researches tackling AI environmental sustainability, a field referred to as Green AI. Despite the rapid growth of interest in the topic, a comprehensive overview of Green AI research is to date still missing. To address this gap, in this paper, we present a systematic review of the Green AI literature. From the analysis of 98 primary studies, different patterns emerge. The topic experienced a considerable growth from 2020 onward. Most studies consider monitoring AI model footprint, tuning hyperparameters to improve model sustainability, or benchmarking models. A mix of position papers, observational studies, and solution papers are present. Most papers focus on the training phase, are algorithm-agnostic or study neural networks, and use image data. Laboratory experiments are the most common research strategy. Reported Green AI energy savings go up to 115%, with savings over 50% being rather common. Industrial parties are involved in Green AI studies, albeit most target academic readers. Green AI tool provisioning is scarce. As a conclusion, the Green AI research field results to have reached a considerable level of maturity. Therefore, from this review emerges that the time is suitable to adopt other Green AI research strategies, and port the numerous promising academic results to industrial practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI