面向环境公平性的 AI：地理负载均衡中的环境差异问题
机器学习
2024-12-24 v1 人工智能
计算机与社会
摘要
人工智能（AI）的需求量飙升，导致全球部署的耗能服务器数量急剧增加。因此，AI 系统的环境足迹正受到日益关注的 scrutiny。更关键的是，当前我们对 AI 工作负载灵活性的利用方式以及 AI 系统的管理方式，可能导致不同地理位置之间呈现巨大的环境差异，进而日益引发环境公平性的担忧，并产生意想不到的社会技术性后果。本文提倡将环境公平性置于未来 AI 系统管理的首要位置，推动现有资源管理技术在可持续 AI 方面的边界，也为 AI 公平性添加了一个独特的维度。具体而言，我们揭示了环境公平性地理负载均衡的潜力，能够公平地在不同地区之间重新分配环境成本，随后提出算法挑战。我们指出，探索系统管理方法的若干未来方向，以充分发挥其减轻 AI 环境不公平性的潜力。
引用
@article{arxiv.2412.16539,
title = {Towards Environmentally Equitable AI},
author = {Mohammad Hajiesmaili and Shaolei Ren and Ramesh K. Sitaraman and Adam Wierman},
journal= {arXiv preprint arXiv:2412.16539},
year = {2024}
}
备注
Accepted by Communications of the ACM. All the authors contributed equally and are listed in alphabetical order of last name