机构名称：
¥ 1.0
环境成本和能源限制已成为机器学习 (ML) 和人工智能 (AI) 未来发展的新兴问题。到目前为止，关于 ML/AI 对环境影响的讨论缺乏超越能源相关研究成本定量测量的视角。在 Schwartz 等人 (2019) 在 GreenAI 计划中奠定的基础的基础上，我们的论点考虑了两个相互关联的现象，即无偿泛化能力和 ML/AI 执行大部分可量化归纳推理的未来。无偿泛化能力是指要完成任务的认知要求与所用 ML/AI 模型的性能 (准确性) 之间的差异。如果由于模型经过优化以实现最佳准确性而导致后者超过前者，则它变得效率低下，并且其运行会危害环境。非人为归纳法主导的未来描述了 ML/AI 的广泛应用，大多数归纳推理都由 ML/AI 概括提供。本文认为，当前的辩论值得扩展，将研究的环境成本和无效的 ML/AI 使用（无端概括能力的问题）与无处不在的人-人工智能关系所标志着的（近期）未来联系起来。
人与人工智能关系的未来及其环境成本
主要关键词
相关文件推荐
