The Environmental Cost of LLMs in AIED: Reporting and Practices
本論文は、教育における人工知能（AIED）分野における大規模言語モデルの隠れた計算および環境コストに関する標準化された報告の欠如を強調し、これらの影響を体系的に測定し透明性をもって報告するための、ソフトウェアツールや計算式を含むオープンソースのフレームワークを提案するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人工知能教育（AIED）の世界を、活気あふれるハイテクな学校だと想像してみてください。長い間、誰もが、エッセイを書いたり、採点したり、学生とチャットしたりできる新しい「スマート・チューター（賢い家庭教師）」（大規模言語モデル、またはLLM）に夢中になってきました。学校は、これらのチューターがいかに優れた教育を行うかという点にばかり注目しすぎて、それらを動かすために必要な電気や水の「請求書」に目を向けることを完全に忘れてしまっていました。
この論文は、まるで、心配している教師やエンジニアのグループがその学校に乗り込んできて、「おい、メーターを読み始める必要があるぞ」と言っているようなものです。
以下は、彼らが見つけたことと、彼らが提案していることを、簡単な比喩を用いて解説したものです。
1. 「隠れた請求書」問題
研究者たちは、AIED 2025カンファレンスの396件の最新論文を調査しました。これは、396種類の異なる学校のプロジェクトの成績表をチェックするようなものです。
- 分かったこと： ほとんど全員（396件中257件）が、これらのスマートなAIチューターを使用しています。
- ギャップ： これらのツールがどれだけのエネルギーを消費するかについて言及している人は、ごくわずかでした。さらに、それらが排出する環境への「煙」（炭素排出量）について語った人は、それよりもさらに少なかったのです。
- 比喩： 学校のすべての生徒が、勉強を助けてもらうために巨大なロボットを作るよう求められたと想像してください。彼らは皆、そのロボットがいかにクールであるかについてレポートを書きますが、そのロボットが1日に500ポンドの石炭を食べていることについては、ほとんど誰も触れません。この論文は、その石炭の消費量を成績表に記載し始める必要があると主張しています。
2. 現在の混乱：標準的な定規の不在
現在、もし研究者がコストについて言及したとしても、やり方はバラバラです。
- ある人は、「2時間かかった」と言います。
- またある人は、「特定のコンピュータを使用した」と言います。
- ある人は、数字を示すことなく、単に「環境に悪い」と言うだけです。
- 比喩： これは、みんなが自分の机の長さを異なる単位で測っているようなものです。ある人はインチを使い、ある人は「手幅」を使い、ある人は「ピザのスライス」を使っています。これでは比較できません。論文は、誰がより効率的であるかを実際に比較できるように、単一の標準的な定規が必要だと述べています。
3. 解決策：新しい「エネルギー計算機」
著者たちは、これを修正するためのツールキットを提案しており、それをTerraFlops（「グリーン計算機」と考えてください）と呼んでいます。
ローカルコンピュータ（ホームオフィス）の場合：
もし自分のノートパソコンでAIを動かす場合、論文ではCodeCarbonというツールを使うことを提案しています。- 比喩： これは、コーヒーメーカーがどれだけの電力を消費するかを正確に教えてくれるスマートプラグのようなものです。論文では、このツールはコンピュータのファンやモニター画面を冷却するために使われるエネルギーを数え忘れることがあるため、エネルギーを過小評価する場合があると指摘しています。これを修正するために、彼らは「PUE相当」の係数を提案しています。これは「無駄な倍率」と考えてください。もしあなたのコンピュータが容量の10%でしか稼働していなくても、マシン全体が稼働していることを考慮して、エネルギーコストを増幅させるのです。
クラウドコンピュータ（ビッグデータセンター）の場合：
多くの研究者は、自分のノートパソコンの代わりに、大きなサーバー（AWSやGoogleなど）を使用しています。- 比喩： 他国のサーバーファームに「スマートプラグ」を差し込むことはできないため、著者たちは理論的な推定値を提案しています。彼らは、AIが読み書きする単語（トークン）の数に基づいた数式を作成しました。
- 「推測ゲーム」： もしあなたが、大手テック企業による非常に賢いモデルのような、秘密のプロプライエタリなAIを使用しており、その規模がわからない場合、論文では「経験則」を提案しています。彼らは、大規模なモデルは、既知のオープンソースの巨人（例えば1,000億個の「脳細胞」またはパラメータ）とほぼ同じサイズであると仮定しています。これは完璧ではありませんが、「このタスクにはおよそXのエネルギーを要した」と一貫した方法で言えるようにするためのものです。これにより、他のタスクと比較できるようになります。
4. 新しい成績表：「精度あたりの炭素」
論文は、研究者が研究を発表する際、「我々のAIは90%の精度を得た」と言うだけでなく、「我々のAIは90%の精度を得たが、そこに5キログラムのCO2を費やした」とも言うべきだと提案しています。
彼らはいくつかの新しい指標を提案しています：
- 補正済み炭素強度（Corrected Carbon Intensity）： コンピュータがどれだけ効率的に使用されたかを調整した、総汚染量。
- 精度あたりの炭素（Carbon per Accuracy）： 1ポイントの改善を得るために、どれだけの汚染が必要だったか。
- サステナビリティ・スコア（1〜10）： 汚染とパフォーマンスを組み合わせた、成績表のようなシンプルなグレード。スコアが10なら「超効率的」、1なら「非常に無駄が多い」を意味します。
5. 行動への呼びかけ
著者たちはただ不満を言っているのではなく、ツールを配っています。彼らはソフトウェアをオープンソース（誰でも無料で利用可能）として公開し、AIEDコミュニティに対してこれらの標準を採用するよう求めています。
- 目標： 彼らは、将来のカンファレンスにおいて、著者が匿名であることを求めるのと同様に、これらの「エネルギーレポート」を必須とすることを望んでいます。
- ビジョン： もし全員が「隠れた請求書」を報告し始めれば、コミュニティはより賢い選択ができるようになります。おそらく、少し精度の低いAIの方が、膨大なエネルギーを節約できるため使う価値があることに気づいたり、あるいは、今あるAIをより効率的に動かすためのより良い方法を見つけ出したりできるでしょう。
要約すると、 この論文は、「私たちは新しいAIチューターを愛していますが、電気代を無視し続けることはできません。それを測定し、報告し、私たちの教育用AIをよりグリーンなものにするためのプロセスを始めましょう」と言っているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。