一种平衡人工智能准确性与运营碳排放的行为金融框架

《ACM Journal on Computing and Sustainable Societies》：A Behavioral Finance Framework for Balancing AI Accuracy and Operational Carbon Emissions

针对AI模型高碳排放问题，本研究提出行为驱动的计算框架，整合行为组合理论与累积前景理论，量化多模型架构的碳排放，构建多目标决策模型，在保持性能的同时降低环境负担。

　　

摘要

随着人工智能（AI）模型计算需求的增加及其相关的碳排放问题，我们必须认真考虑其环境影响。当这些模型在能源短缺或依赖碳密集型能源（如煤炭、天然气或石油）的地区进行训练时，这一问题尤为重要，因为它们的运行方式可能会加剧环境压力。为了解决这一挑战，我们开发了一个基于行为驱动的计算框架，用于选择能够在准确性和环境可持续性之间取得平衡的AI模型。为了捕捉在可持续性约束下的现实世界决策过程，我们提出了一个行为驱动的框架，该框架利用行为投资组合理论和累积前景理论的见解来分析能源使用、碳排放和模型性能之间的权衡。我们量化了在多种模型架构和数据集上进行监督微调过程中能源使用所产生的碳排放，并将这些结果纳入多目标决策模型中。我们的框架为选择能够最小化环境影响而不牺牲准确性的AI模型提供了可行的指导。通过优先考虑那些在性能和可持续性方面取得平衡的模型，我们为AI开发者提供了实用工具，以降低AI技术的碳足迹。