AI赋能移动应用中的哪些设计决策有助于实现更绿色的AI？

背景：复杂人工智能（AI）模型的构建、演进和使用需要昂贵的计算资源。尽管当前的高性能计算环境能够很好地支撑这种复杂性，但将AI模型部署到移动设备中（这一趋势日益增长）却充满挑战。移动应用处于低计算资源的环境中，因此在AI赋能的软件工程生命周期中，设计决策需要在移动应用的准确性与复杂性之间权衡取舍，并由此带来限制。目标：我们的目标是在将复杂AI模型（如神经网络）部署到具有内在资源限制的移动设备时，系统性地评估准确性与复杂性之间的权衡。我们旨在涵盖：（i）设计决策对实现高精度、低资源消耗实现的影响；（ii）验证用于系统性促进更绿色AI的分析工具。方法：本验证性注册报告包含一项实证研究计划，用以量化设计决策对AI赋能应用性能的影响，并报告端到端AI赋能软件工程生命周期的经验。具体而言，我们将在移动应用中实现基于图像和基于语言的神经网络，以在不同基准数据集上解决多个图像分类和文本分类问题。总体而言，我们计划针对设计决策对AI赋能应用的运行准确性与复杂性进行建模，并提供工具使从业者认识到设计决策与研究对象的绿色特性之间的定量关系。