要点
新しい授業を丸ごとつくるのではなく、短く実践的な内容を加えましょう。AI のエネルギーがどこに使われるかを説明し、学生に自分のコードやモデルの実行のエネルギーを測ってもらい、精度とあわせて計算量とエネルギーを報告してもらいます。技術系の授業では、小さなモデル、量子化、再利用などの効率的な手法を教えます。それ以外の授業では、賢い使い方と主張の見極め方に焦点を当てます。
手順
- AI のエネルギー、水、ハードウェアのフットプリントがどこから生じるかについて、短い回を設けます。
- 課題の実行を少なくとも1回、CodeCarbon などのツールでエネルギー測定してもらいます。
- 技術系の課題では、精度とあわせて計算量とエネルギーの報告を求めます。
- 小さなモデル、量子化、事前学習済みモデルの再利用などの効率的な手法を教えます。
- AI のエネルギー使用について公表された主張を検証する演習を入れます。
既存の授業に短く実践的な内容を加えるほうが、新しい選択科目をつくるより多くの学生に届きます。今ではほとんどの学生が AI を使っています。Higher Education Policy Institute の 2026年の調査では、英国の学部生の95%が AI を使っていると答えました。
どんな内容を入れられますか?
- フットプリントの基礎。学習と推論の違い、画像や長い入力がなぜコストが高いのか、公表されている数字がなぜ違うのか。
- 何かを測る。学習か推論の実行を1回 CodeCarbon で包み、ハードウェア、実行時間、場所とあわせて結果を報告してもらいます。
- 研究者のように報告する。チューニングの実行も含め、精度の横に計算量とエネルギーを書いてもらいます。研究論文でエネルギーを報告するをご覧ください。
- 技術系の授業では効率的な手法。小さなモデルや作業専用のモデル、量子化、蒸留、事前学習済みモデルの再利用です。
- どの授業でも主張の見極め方。誰が測ったのか、何あたりなのか、何が抜けているのか。
どんな枠組みが役立ちますか?
UNESCO の学生向け AI コンピテンシー枠組みには、環境的に持続可能な AI が含まれています。研究グループや学科向けには、Lannelongue らの GREENER 原則が、持続可能な計算科学のためのガバナンス、推計、教育の枠組みを示しています。
最も効果が大きいこと
エネルギーを評価の一部にすることです。採点基準が精度だけでなくキロワット時あたりの精度も評価するようになれば、学生はそれを意識して設計し始めます。
よくある間違い
- 実践的な課題のない、1回きりの倫理の講義として扱う。
- AI を上手に使う方法を教えるのではなく、AI を使う学生を減点する。
- 古い問い合わせあたりの数字を使う。
大学における AI リテラシーを読み、再利用できる教材を探しに講座一覧もご覧ください。
出典
- Student generative AI survey 2026, Higher Education Policy Institute (HEPI) (2026)
- AI competency framework for students, UNESCO (2024)
- CodeCarbon, CodeCarbon (2026)
- GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)
関連
大学における AI リテラシー(環境負荷も含めて)
学生のほぼ全員が AI を使う一方で、教職員の研修や評価の見直しは遅れています。大学の AI リテラシーに AI の環境負荷を含めるべき理由を説明します。
AI 研究のエネルギー使用量は論文でどう報告すればいい?
論文に載せるべき計算量とエネルギーの項目です。ハードウェア、全実行の GPU 時間、エネルギー、場所、炭素、推論コスト、算定範囲を示します。
自分のパソコンや GPU で AI が使うエネルギーはどう測る?
ハードウェアのカウンター、GPU のテレメトリー、電力計で手元の AI のエネルギーを測り、処理全体でサンプリングし、待機時の電力を差し引きます。
グリーン AI について学ぶには?
経歴を問わず、グリーン AI を学び始める方法:短い読み物、試せる無料ツール、講座、コミュニティ、注目すべき研究を紹介します。