从原始数据中学习的人工智能系统被广泛应用于大量现实世界的应用中 [1]。它们的性能极大地提高了我们能够解决以前无法完成的任务的程度（例如机器翻译、图像分割、语音转文本等）。幸运的是，围绕人工智能的争论不仅集中在其性能上，而且还越来越多地关注其他非功能性属性，如可解释性、隐私性和可扩展性 [2]。特别是，可持续人工智能框架包含一组原则，这些原则通常被认为过于笼统和抽象，无法带来具体的实施手段 [3]。在本文中，我们重点关注“人工智能的可持续性”，并展示了人工智能中最近兴起的一个主题——持续学习 [4]，它如何成为使当前人工智能伦理原则更具操作性（它们的主要批评之一）以及更具社会、经济和环境可持续性的合适候选者。我们首先回顾可持续人工智能框架，然后介绍持续学习目标的主要特征。最后，我们展示了可持续人工智能与持续学习目标之间的紧密对应关系，并讨论了后者的未来研究如何能够导致系统能够遵守先前描述的可持续人工智能原则。