要約
人工知能（AI）は、数十年にわたる開発により技術と研究において大きな進歩を遂げ、コンピューティングビジョン、自然言語処理、時系列分析、音声合成などの多くの分野で広く使用されています。
学習、特に大規模言語モデルの出現により、研究者の大多数の注意が新しい最先端 (SOTA) 結果の追求に注がれ、その結果、モデルのサイズと計算の複雑さがますます増大しています。
高いコンピューティング能力の必要性は炭素排出量の増加をもたらし、資金が限られている中小規模の研究機関や企業が研究に参加することを妨げ、研究の公平性を損ないます。
AI のコンピューティング リソースと環境への影響という課題に取り組むため、グリーン コンピューティングが注目の研究テーマとなっています。
この調査では、グリーン コンピューティングで使用されるテクノロジーの体系的な概要を示します。
私たちはグリーン コンピューティングのフレームワークを提案し、それを 4 つの主要な要素に分割します。(1) グリーン性の尺度、(2) エネルギー効率の高い AI、(3) エネルギー効率の高いコンピューティング システム、および (4) 持続可能性のための AI ユースケース。
各コンポーネントについて、これまでの研究の進捗状況と、AI の効率を最適化するために一般的に使用される手法について説明します。
私たちは、この新しい研究の方向性は、リソースの制約と AI 開発の間の矛盾に対処する可能性があると結論付けています。
私たちは、より多くの研究者がこの方向に注目し、AI をより環境に優しいものにすることを奨励します。
要約(オリジナル)
Artificial Intelligence (AI) has achieved significant advancements in technology and research with the development over several decades, and is widely used in many areas including computing vision, natural language processing, time-series analysis, speech synthesis, etc. During the age of deep learning, especially with the arise of Large Language Models, a large majority of researchers’ attention is paid on pursuing new state-of-the-art (SOTA) results, resulting in ever increasing of model size and computational complexity. The needs for high computing power brings higher carbon emission and undermines research fairness by preventing small or medium-sized research institutions and companies with limited funding in participating in research. To tackle the challenges of computing resources and environmental impact of AI, Green Computing has become a hot research topic. In this survey, we give a systematic overview of the technologies used in Green Computing. We propose the framework of Green Computing and devide it into four key components: (1) Measures of Greenness, (2) Energy-Efficient AI, (3) Energy-Efficient Computing Systems and (4) AI Use Cases for Sustainability. For each components, we discuss the research progress made and the commonly used techniques to optimize the AI efficiency. We conclude that this new research direction has the potential to address the conflicts between resource constraints and AI development. We encourage more researchers to put attention on this direction and make AI more environmental friendly.
arxiv情報
| 著者 | You Zhou,Xiujing Lin,Xiang Zhang,Maolin Wang,Gangwei Jiang,Huakang Lu,Yupeng Wu,Kai Zhang,Zhe Yang,Kehang Wang,Yongduo Sui,Fengwei Jia,Zuoli Tang,Yao Zhao,Hongxuan Zhang,Tiannuo Yang,Weibo Chen,Yunong Mao,Yi Li,De Bao,Yu Li,Hongrui Liao,Ting Liu,Jingwen Liu,Jinchi Guo,Jin Zhao,Xiangyu Zhao,Ying WEI,Hong Qian,Qi Liu,Xiang Wang,Wai Kin,Chan,Chenliang Li,Yusen Li,Shiyu Yang,Jining Yan,Chao Mou,Shuai Han,Wuxia Jin,Guannan Zhang,Xiaodong Zeng |
| 発行日 | 2023-11-01 11:16:41+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google