Análise Crítica de Ferramentas de Eco-feedback em Machine LearningA Critical Analysis of Eco-feedback Tools in Machine Learning

O que éWhat it is

Ferramentas de eco-feedback para machine learning estão surgindo em todo lugar pra estimar consumo de energia e emissões de carbono de modelos. Mas quase ninguém questiona as premissas por trás do design dessas ferramentas. Colaborei nessa investigação pra entender como elas realmente enquadram sustentabilidade, que tipo de ação elas incentivam, e que perspectivas elas deixam de fora.Eco-feedback tools for machine learning are popping up everywhere to estimate models' energy consumption and carbon emissions. But almost no one questions the assumptions behind these tools' design. I collaborated on this investigation to understand how they actually frame sustainability, what kind of action they encourage, and what perspectives they leave out.

O que descobrimosWhat we found

Analisamos essas ferramentas sob a ótica de Sustainable HCI e encontramos um padrão preocupante: elas priorizam eficiência em vez de sustentabilidade no sentido mais amplo, focam em mudar comportamento individual e ignoram práticas coletivas e organizacionais, e quase nunca envolvem processos de design participativo com as partes interessadas.We analyzed these tools through the lens of Sustainable HCI and found a concerning pattern: they prioritize efficiency over sustainability in the broader sense, focus on changing individual behavior while ignoring collective and organizational practices, and almost never involve participatory design processes with stakeholders.

ContribuiçõesContributions

1. Um mapeamento crítico das limitações das ferramentas atuais de eco-feedback em machine learning, olhando pra informação comunicada, forma de apresentação e processo de design por trás delas.A critical mapping of the limitations of current machine learning eco-feedback tools, looking at the information they communicate, how it is presented, and the design process behind them.
2. Diretrizes pra próxima geração dessas ferramentas: mais rematerialização da infraestrutura de IA e seu impacto ambiental, design participativo, práticas de sustentabilidade colaborativas em vez de só individuais, e princípios de suficiência ao lado de eficiência.Guidelines for the next generation of these tools: greater rematerialization of AI infrastructure and its environmental impact, participatory design, collaborative rather than purely individual sustainability practices, and principles of sufficiency alongside efficiency.