CO2-стоимость агентного ИИ в научных исследованиях
The CO2ST of Agentic AI in Research
2026-09-30
SCID: 54.1/7p9d84q3
Discuss with AI
академический обзор литературыагентный ИИуглеродный следбольшие языковые моделимультиагентные системы
Figures from the paper
Abstract (AI)
Генеративный ИИ стремительно внедряется в различные исследовательские практики. В данной работе мы сосредоточиваемся на новейшей тенденции — так называемом агентном ИИ. Мы рассчитываем углеродный след использования агентного ИИ при моделировании академического обзора литературы. Мы показываем, что энергопотребление увеличивается пропорционально степени агентности, в результате чего при переходе от низкой степени агентности к многоагентному процессу углеродный след возрастает примерно втрое. Наиболее затратным с точки зрения выбросов CO2 этапом этой системы является обработка больших объемов текста большой языковой моделью (LLM), причем потребление ресурсов растет пропорционально размеру модели. Наконец, мы показываем энергопотребление центрального процессора (CPU) и графического процессора (GPU) в ходе обработки и демонстрируем, что именно использование больших языковых моделей, а не другого программного обеспечения, в значительной степени определяет различия в энергопотреблении. Мы показываем, что исследователи могут выбирать экологически устойчивые исследовательские практики, осознанно принимая решения об использовании агентного ИИ.
Key Findings
1
В симуляции академического обзора литературы количественно оценён углеродный след использования агентного ИИ в исследованиях.
2
Осознанный выбор уровня и конфигурации агентного ИИ может помочь исследователям снизить воздействие исследовательских практик на окружающую среду.
3
Потребление энергии увеличивалось пропорционально уровню агентности; при переходе от низкой агентности к многоагентному процессу углеродный след возрастал примерно втрое.
4
Именно использование языковых моделей, а не другого программного обеспечения, главным образом определяло различия в энергопотреблении CPU и GPU.
5
Наиболее углеродоёмким этапом была обработка больших объёмов текста языковой моделью; потребление ресурсов увеличивалось пропорционально размеру модели.
Research Object
агентный ИИ, используемый в моделируемом академическом обзоре литературы
Research Subject
энергопотребление и углеродный след агентного ИИ, включая их зависимость от уровня агентности, размера LLM, объёма обрабатываемого текста и использования LLM
Publication Details
Publication Date
2026-09-30
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest