본 논문은 인공지능(AI)의 하드웨어, 개발, 배포, 재사용 전반에 걸쳐 에너지, 탄소, 물, 그리고 내재된 영향과 같은 부담을 다룬다. 클라우드 제공업체 도구는 투명성을 향상시키지만 이질적이고 물과 가치 사슬 효과를 종종 생략하여 비교 가능성과 재현성을 제한한다. 이러한 다차원적 부담을 해결하기 위해, 본 논문은 단계별 명확한 매핑을 시스템 레버(하드웨어, 배치, 에너지 믹스, 냉각, 스케줄링) 및 시설, 시스템, 장치, 워크로드 수준의 보정된 측정과 연결하는 라이프사이클 접근 방식을 제시한다. 주요 내용은 다음과 같다: (i) 지속 가능한 AI와 구별되는 Green AI의 통일적이고 작동 가능한 정의 확립; (ii) 라이프사이클 평가(LCA) 단계에 매핑된 5단계 라이프사이클 공식화, 에너지, 탄소, 물, 내재적 영향을 우선순위로 둠; (iii) Plan Do Check Act (PDCA) 주기를 통한 거버넌스, 의사 결정 게이트웨이 명시; (iv) 내재적 부담을 줄이기 위한 엣지 클라우드 연속체 전반의 하드웨어 및 시스템 수준 전략 체계화; (v) 추정 모델과 직접 계측을 결합하여 재현 가능하고 제공업체에 의존하지 않는 비교를 가능하게 하는 보정된 측정 프레임워크 정의. 정의, 라이프사이클 프로세스, 하드웨어 전략 및 보정된 측정을 결합하여 연구자, 실무자 및 정책 입안자를 위한 실행 가능하고 증거 기반의 지침을 제공한다.
