迈向碳中和的人类人工智能:重新思考数据、计算与学习范式以实现可持续智能
人工智能
2025-10-28 v1 机器学习
摘要
人工智能(AI)的快速发展带来了前所未有的计算需求,引发了重大的环境与伦理问题。本文批判了当前对大规模静态数据集和单体训练范式的过度依赖,倡导向受人类启发、可持续的 AI 解决方案转变。我们提出了一种新颖的框架——人类人工智能(HAI),强调增量学习、碳感知优化以及人在回路协作,以增强适应性、效率和可问责性。通过类比生物认知并利用动态架构,HAI 旨在平衡性能与生态责任。我们详细阐述了使 AI 能够持续且情境化地学习、同时最小化碳足迹和人工标注成本的理论基础、系统设计和运行原则。我们的方法解决了主动学习、持续自适应和能效模型部署中的紧迫挑战,为实现负责任的、以人为本的人工智能提供了一条路径。
引用
@article{arxiv.2510.23524,
title = {Toward Carbon-Neutral Human AI: Rethinking Data, Computation, and Learning Paradigms for Sustainable Intelligence},
author = {KC Santosh and Rodrigue Rizk and Longwei Wang},
journal= {arXiv preprint arXiv:2510.23524},
year = {2025}
}
备注
9 pages, 3 figures