从点击到碳：推荐系统的环境负担
信息检索
2024-08-23 v2
摘要
随着全球变暖加剧，评估研究的环境影响的紧迫性日益突出。尽管如此，极少数推荐系统研究论文探讨其环境影响。本研究通过复现典型实验流程，估算推荐系统研究的环境影响。我们的分析涵盖来自 2013 和 2023 年 ACM RecSys 会议的 79 篇完整论文，比较传统“老派 AI”算法与现代深度学习算法。我们设计并复现了两年的代表性实验流程，使用硬件能源表计测量能源消耗并换算为二氧化碳等效值。我们的结果表明，使用深度学习算法的论文约比传统方法产生 42 倍更多的二氧化碳等效物。平均情况下，单篇基于深度学习的论文产生 3,297 公斤二氧化碳等效物——相当于一位来自纽约市的人乘坐航班飞抵墨尔本，或相当于一棵树在 300 年内捕获的 CO2 量。
引用
@article{arxiv.2408.08203,
title = {From Clicks to Carbon: The Environmental Toll of Recommender Systems},
author = {Tobias Vente and Lukas Wegmeth and Alan Said and Joeran Beel},
journal= {arXiv preprint arXiv:2408.08203},
year = {2024}
}
备注
Accepted for presentation at the 18th ACM Conference on Recommender Systems in the Reproducibility Track