Conceitos essenciais
생성형 인공지능은 사물인터넷의 에너지 소비와 탄소 배출을 줄일 수 있는 혁신적인 기술이다.
Resumo
이 논문은 사물인터넷(IoT)에서 생성형 인공지능(GAI)의 잠재력을 탐구하여 저탄소 사물인터넷을 실현하는 방안을 제시한다.
먼저 사물인터넷의 주요 탄소 배출 요인을 분석하고, 기존 판별형 인공지능(DAI)의 한계를 살펴본다. 이어서 GAI 기술의 기본 구조와 탄소 배출 감축 능력을 체계적으로 소개한다.
이후 GAI가 에너지 인터넷, 데이터 센터 네트워크, 모바일 엣지 네트워크 등 사물인터넷 구성요소에서 어떻게 탄소 배출을 줄일 수 있는지 탐구한다. 특히 대규모 언어 모델(LLM)과 검색 증강 생성(RAG) 기술을 활용한 탄소 배출 최적화 프레임워크를 제안하고, 생성형 확산 모델(GDM)을 통해 최적 전략을 도출하는 사례를 소개한다.
마지막으로 저탄소 사물인터넷을 위한 미래 연구 방향을 제시한다.
Estatísticas
중국 5G 네트워크는 매년 6천만 톤 이상의 탄소 배출을 발생시킨다.
전 세계 7.7억 대의 모바일 폰 사용으로 인한 탄소 배출은 약 5.8억 톤으로, 전 세계 배출량의 약 1%를 차지한다.
한 대의 NVIDIA Jetson TX2 플랫폼에서 ResNet-110 모델 학습에 약 8 x 10^5 J의 에너지가 소비된다.
Citações
"생성형 인공지능은 사물인터넷의 에너지 소비와 탄소 배출을 줄일 수 있는 혁신적인 기술이다."
"생성형 인공지능은 데이터 생성, 데이터 증강, 네트워크 자원 최적화 등의 능력을 통해 저탄소 사물인터넷 실현에 기여할 수 있다."