인공지능(AI)의 하드웨어부터 개발, 배포, 재사용에 이르는 전체 수명 주기에서 에너지, 탄소, 물, 그리고 내재된 영향과 같은 부담이 발생한다. 클라우드 제공업체의 도구는 투명성을 향상시키지만, 이질적이며 물과 가치 사슬 효과를 종종 생략하여 비교 가능성과 재현성을 제한한다. 이러한 다차원적인 부담을 해결하려면 단계별 명시적 매핑과 시스템 레버(하드웨어, 배치, 에너지 믹스, 냉각, 스케줄링)를 연결하고 시설, 시스템, 장치 및 워크로드 수준에서 보정된 측정을 수행하는 수명 주기 접근 방식이 필요하다. 이 논문은 (i) 지속 가능한 AI와 구별되는 Green AI의 통일적이고 운영적인 정의를 확립하고, (ii) 에너지, 탄소, 물 및 내재된 영향을 최우선으로 고려하는, 수명 주기 평가(LCA) 단계에 매핑된 5단계 수명 주기를 공식화하며, (iii) 의사 결정 게이트웨이가 있는 Plan Do Check Act (PDCA) 주기를 통해 거버넌스를 규정하고, (iv) 내재된 부담을 줄이기 위해 엣지 클라우드 연속체 전반에 걸쳐 하드웨어 및 시스템 수준의 전략을 체계화하며, (v) 재현 가능한 제공업체에 독립적인 비교를 가능하게 하기 위해 추정 모델과 직접 계측을 결합한 보정된 측정 프레임워크를 정의한다. 정의, 수명 주기 프로세스, 하드웨어 전략 및 보정된 측정을 결합하여 연구자, 실무자 및 정책 입안자에게 실행 가능하고 증거 기반의 지침을 제공한다.
