[論文レビュー] Towards Sustainable Artificial Intelligence: An Overview of Environmental Protection Uses and Issues

Arnault Pachot, Céline Patissier|ArXiv.org|Dec 22, 2022

Energy, Environment, and Transportation Policies被引用数 9

ひとこと要約

本稿は、環境保護における人工知能（AI）の二重的役割、すなわち環境保護への貢献とそれ自身の環境コストを検討し、気候モデル作成や持続可能な生産分野におけるAIの応用を分析するとともに、AI開発のエネルギー集約的性質を強調している。本稿は、AI設計に環境指標を統合するよう提言し、グリーンAIイニシャチブが生態的懸念よりもコストと効率性の観点から駆動されていると主張しており、モデルの複雑化を助長するリバウンド効果のリスクを指摘している。

ABSTRACT

Artificial Intelligence (AI) is used to create more sustainable production methods and model climate change, making it a valuable tool in the fight against environmental degradation. This paper describes the paradox of an energy-consuming technology serving the ecological challenges of tomorrow. The study provides an overview of the sectors that use AI-based solutions for environmental protection. It draws on numerous examples from AI for Green players to present use cases and concrete examples. In the second part of the study, the negative impacts of AI on the environment and the emerging technological solutions to support Green AI are examined. It is also shown that the research on less energy-consuming AI is motivated more by cost and energy autonomy constraints than by environmental considerations. This leads to a rebound effect that favors an increase in the complexity of models. Finally, the need to integrate environmental indicators into algorithms is discussed. The environmental dimension is part of the broader ethical problem of AI, and addressing it is crucial for ensuring the sustainability of AI in the long term.

研究の動機と目的

• 気候モデル作成や持続可能な生産といった主要分野におけるAIの環境保護への応用を分析すること。
• 特にエネルギー消費と二酸化炭素排出に起因するAI開発に伴う環境コストを特定すること。
• グリーンAI研究の背後にある動機を、環境的動機とコスト・効率性の制約とで区別して検討すること。
• 効率性の向上がもたらすモデル複雑化と潜在的なリバウンド効果の程度を調査すること。
• 広範なAI倫理の文脈において、環境指標をAIアルゴリズム設計に統合することを提唱すること。

提案手法

• グリーンAIイニシャチブの事例研究を用いた、環境保護におけるAI応用の体系的レビュー。
• 大規模AIモデルの学習におけるエネルギー消費と炭素フットプリントの分析。
• モデル圧縮や効率的アーキテクチャなどの、AIの環境影響低減のための技術的解決策の検討。
• コスト、エネルギー、環境要因の比較分析を通じて、グリーンAI研究の動機を評価すること。
• アルゴリズム設計および評価フレームワークへの環境指標統合の議論。
• 気候モデル作成、再生可能エネルギー、生態モニタリングの実世界の事例を用いて、AIの環境応用を説明すること。

実験結果

リサーチクエスチョン

• RQ1 AIは現在、どのように環境保護と持続可能性を支援するために応用されているか？
• RQ2 大規模AIモデルのトレーニングとデプロイメントに伴う主な環境コストは何か？
• RQ3 なぜグリーンAIの開発は環境保護の懸念よりもコストとエネルギー自立性の制約によって主に駆動されているのか？
• RQ4 モデル効率性の追求が、複雑化を助長し、エネルギー節約効果を相殺する可能性があるリバウンド効果はどの程度まで及ぶのか？
• RQ5 環境指標をAIアルゴリズム設計および評価に意味的に統合するにはどうすればよいか？

主な発見

• AIは、気候モデル作成、再生可能エネルギーの最適化、生態モニタリングにおいて、環境持続可能性を支援するために活用されている。
• 大規模AIモデルは高いエネルギー消費と二酸化炭素排出を示しており、環境問題を解決することを目的とした技術が、逆に環境問題を悪化させているというパラドックスを呈している。
• エネルギー消費が少ないAIの研究は、主にコストとエネルギー自立性の制約によるものであり、環境保護の目的によるものではない。
• AIモデルの効率性向上は、エネルギー節約を相殺する可能性があるリバウンド効果を引き起こすおそれがあり、より複雑なモデルの採用を促進する。
• AI開発における環境指標の統合は、長期的な持続可能性にとって不可欠であり、AIにおける広範な倫理的配慮とも整合する。
• 本研究は、パフォーマンスと効率性に加え、環境影響を優先するよう、AI研究および展開のシステム的変化を要請している。