인공지능(AI)의 하드웨어, 개발, 배포, 재사용 전반에 걸쳐 에너지, 탄소, 물, 그리고 내재적 영향과 관련된 부담이 존재한다. 클라우드 제공업체의 도구는 투명성을 개선하지만, 여전히 이질적이며 물 및 가치 사슬 효과를 종종 생략하여 비교 가능성과 재현성을 제한한다. 이러한 다차원적 부담을 해결하려면 단계별 명시적 매핑과 시스템 레버(하드웨어, 배치, 에너지 믹스, 냉각, 스케줄링) 및 시설, 시스템, 장치 및 워크로드 수준에서 보정된 측정을 연결하는 라이프사이클 접근 방식이 필요하다. 본 논문은 (i) 지속 가능한 AI와 구별되는 Green AI의 통일적이고 운영적인 정의를 확립하고, (ii) 라이프사이클 평가(LCA) 단계에 매핑된 5단계 라이프사이클을 공식화하여 에너지, 탄소, 물, 내재적 영향을 주요 요소로 만들며, (iii) Plan Do Check Act (PDCA) 사이클을 통한 의사 결정 게이트웨이를 통해 거버넌스를 명시하고, (iv) 내재적 부담을 줄이기 위해 에지 클라우드 연속체 전반에 걸쳐 하드웨어 및 시스템 수준의 전략을 체계화하고, (v) 추정 모델과 직접 측정을 결합하여 재현 가능한 공급자 독립적 비교를 가능하게 하는 보정된 측정 프레임워크를 정의한다. 정의, 라이프사이클 프로세스, 하드웨어 전략, 보정된 측정을 결합하여 연구자, 실무자, 정책 입안자에게 실행 가능하고 증거 기반의 지침을 제공한다.
