人工智能在技术和研究方面取得了显著的进展，并广泛应用于计算视觉、自然语言处理、时间序列分析、语音合成等多个领域。然而，随着大型语言模型的出现，研究人员的注意力主要集中在追求最新的技术成果，导致模型规模和计算复杂性不断增加，需要更高的计算能力，进而产生更高的碳排放量，阻碍了资金有限的中小型研究机构和公司参与研究，并引发研究公平性的问题。为应对计算资源和人工智能的环境影响，绿色计算已成为一个热门的研究课题。在本调研中，我们对绿色计算中使用的技术进行了系统概述，并提出绿色计算的框架，将其分为四个关键组成部分：(1) 绿色度量指标，(2) 能效人工智能，(3) 能效计算系统和 (4) 可持续发展的人工智能应用案例。针对每个组成部分，我们讨论了研究进展及常用的优化技术，结论表明这个新的研究方向有潜力解决资源限制与人工智能发展之间的冲突。我们鼓励更多的研究人员关注这个方向，使人工智能更加环保友好。

Nov, 2023

通过对 98 个文献的分析，系统地回顾了绿色人工智能研究领域。大多数研究关注于 AI 模型的环境可持续性，包括监控 AI 模型的排放量、调整超参数以提高模型的可持续性，或者对模型进行基准测试。实验室实验是最常见的研究策略。报告的节能率高达 115％，其中节能 50％以上相当普遍。

Jan, 2023

通过将深度学习的效率作为评估标准之一，并建议报告开发、训练和运行模型的财务成本，以提供研究越来越高效方法的基准，本文旨在使人工智能更加绿色和包容，实现任何有灵感的本科生都可以编写高质量的研究论文。

Jul, 2019

本篇研究从数据、算法和硬件系统综合视角探讨了 AI 的超线性增长趋势对环境的影响，着重分析了 AI 计算的碳足迹和硬件系统的全生命周期，并提出了硬件 - 软件设计和优化对减少 AI 总体碳足迹的重要性，讨论了 AI 领域的挑战和发展方向。

Oct, 2021

本文着眼于 AI 的可持续性发展问题，分析了解决该问题的机器学习方法和算法，并提出对可持续 AI 技术研究的挑战和发展方向的建议。

May, 2022

本文从可持续性和伦理两个方面研究了创意人工智能在艺术创作中的应用，包括创作过程和知识产权等问题。通过访谈、调查、能源测量等方法，探讨了艺术家应用创意人工智能的情况和未来发展，以及这种应用对经济和环境的影响，为制定知识产权制度提供了参考。

Sep, 2022

信息技术的增长导致数据中心耗能和碳排放占比的显著增加。为了应对软件开发的环境影响，绿色编码和使用人工智能模型可提高能源效率已成为研究的热点。本研究以可持续性指标为基础，对自动生成代码的可持续性意识进行了评估，并比较了人工生成代码与三种人工智能语言模型生成代码在易难问题陈述下的性能和可持续性能力。结果揭示了当前人工智能模型在可持续软件开发方面的贡献能力。

Mar, 2024

人工智能 AI 目前以深度学习等机器学习方法为核心，然而这些方法在计算、能源消耗和碳排放等方面存在环境问题。提高机器学习系统的效率仅仅是解决环境影响的一方面，系统思维则被认为是改善机器学习环境可持续性的可行途径。

Sep, 2023

艺术家们越来越多地使用人工智能技术（创意 Ai），并将他们的作品展出于知名艺术场馆。然而，研究社区也认识到使用 Ai 技术涉及可持续性问题，如能源消耗和模型的增大和复杂化等。本研究通过目前正在进行的实地研究提供对可持续性评估的各种限制的见解，并为该领域进一步的、更具体的可持续性评估提供基础，同时也提供该领域可持续性评估的现状知识。

Oct, 2022

AI 的碳排放问题及效率优化的机会和可持续性

Jun, 2024