greenai.guide

ホーム › どうすれば…? › AI の省エネ効果を証明するためのベースラインはどう決める?

どうすれば…?

AI の省エネ効果を証明するためのベースラインはどう決める?

更新日 · 1分で読めます

要点

何かを変える前に、変更後に使うのと同じハードウェア、負荷、入力で現在のシステムを測り、通常のばらつきを知るために繰り返し実行しましょう。エネルギーは合計だけでなく、役に立つ仕事の単位あたりでも報告します。削減を主張するのは、ばらつきより大きく、品質を落とさずに達成できた場合だけにしましょう。

手順

  1. リクエストあたりや文書あたりのエネルギーなど、機能単位を選びます。
  2. 固定した環境と処理内容で、待機時のベースラインも含めて現在のシステムを何回か測ります。
  3. 一度に 1 つだけ変更し、同じ条件で測り直します。
  4. 各実行について、エネルギーとあわせて品質やタスクの成功を記録します。
  5. 実行ごとのばらつきより大きい削減だけを主張し、単位あたりの数値とあわせて合計も報告します。

削減と言えるのは、変更前に測り、変更後に同じ方法で測り、その差がばらつきより大きい場合だけです。 ベースラインがなければ、エネルギーに関する主張は推測にすぎず、精査に耐えられないかもしれません。

公平な比較の条件は何ですか?

  • 同じ環境: ハードウェア、リージョン、ソフトウェアのバージョン、設定。
  • 同じ負荷: 同じリクエスト、文書、学習データを、同じ量で。
  • 複数回の実行: 測定値は温度、バックグラウンドのプロセス、周波数の調整によって変わります。平均と幅を報告しましょう。
  • 速度だけでなくエネルギーも: GreenCode Constitution の研究では、llama.cpp 推論エンジンで GPU のエネルギーが 4.7% 減った一方、速度の向上は 3% にとどまりました。時間とエネルギーは異なる結果を示すことがあります。
  • 品質の維持: 安くても間違いが増える回答は、削減とは言えません。

ベースラインにはどの単位を使うべきですか?

Green Software Foundation の SCI 仕様と同じく、機能単位を使いましょう。リクエストあたり、文書あたり、成功したタスクあたりなどです。そのうえで合計もあわせて報告します。利用が増えると、タスクあたりのエネルギーが下がっても合計のエネルギーは増えることがあるからです。タスクごとに AI のエネルギーを追跡する方法をご覧ください。

よくある間違い

  • 変更前と変更後に 1 回ずつしか測らないこと。 1 組の測定値はばらつきにすぎないことがあります。
  • 一度に複数のことを変えること。 何が効いたのかわからなくなります。
  • ベースラインを動かすこと。 たとえば、新しい小さなモデルを、利用量の異なる古い大きなモデルと比べることです。
  • 電力網がクリーンになっただけで生じた炭素の減少を、効率化として数えること。

削減を公表する前に、誠実な環境主張に照らして確認しましょう。

出典

  1. Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
  2. GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)

参加する

AI が地球に与える影響を減らすために

新しいガイド、資金の公募、ディレクトリの掲載情報を、月に1回ほどメールでお届けします。または、製品、講座、PhD、研究をディレクトリに追加してください。

トラッキングなし。ワンクリックで配信停止できます。 その他の参加方法 · プライバシー