Buchumschlag

Misinformation by Omission: The Need for More Environmental Transparency in AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luccioni, Sasha, Gamazaychikov, Boris, da Costa, Theo Alves, Strubell, Emma
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Global Landscape of Environmental AI Regulation: From the Cost of Reasoning to a Right to Green AI
von: Ebert, Kai, et al.
Veröffentlicht: (2026)

From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate
von: Luccioni, Alexandra Sasha, et al.
Veröffentlicht: (2025)

From Cradle to Cloud: A Life Cycle Review of AI's Environmental Footprint
von: Lambert, Katherine, et al.
Veröffentlicht: (2026)

Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice
von: Luccioni, Alexandra Sasha, et al.
Veröffentlicht: (2025)

Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI
von: Varoquaux, Gaël, et al.
Veröffentlicht: (2024)

Power Hungry Processing: Watts Driving the Cost of AI Deployment?
von: Luccioni, Alexandra Sasha, et al.
Veröffentlicht: (2023)

The Hidden Cost of Thinking: Energy Use and Environmental Impact of LMs Beyond Pretraining
von: Morrison, Jacob, et al.
Veröffentlicht: (2026)

Strategic Polysemy in AI Discourse: A Philosophical Analysis of Language, Hype, and Power
von: LaCroix, Travis, et al.
Veröffentlicht: (2026)

Beyond Text: Characterizing Domain Expert Needs in Document Research
von: Gururaja, Sireesh, et al.
Veröffentlicht: (2025)

More than Carbon: Cradle-to-Grave environmental impacts of GenAI training on the Nvidia A100 GPU
von: Falk, Sophia, et al.
Veröffentlicht: (2025)

Energy and Carbon Considerations of Fine-Tuning BERT
von: Wang, Xiaorong, et al.
Veröffentlicht: (2023)

Terms of (Ab)Use: An Analysis of GenAI Services
von: Pandit, Harshvardhan J., et al.
Veröffentlicht: (2026)

Energy Considerations of Large Language Model Inference and Efficiency Optimizations
von: Fernandez, Jared, et al.
Veröffentlicht: (2025)

Holistically Evaluating the Environmental Impact of Creating Language Models
von: Morrison, Jacob, et al.
Veröffentlicht: (2025)

Is Misinformation More Open? A Study of robots.txt Gatekeeping on the Web
von: Steinacker-Olsztyn, Nicolas, et al.
Veröffentlicht: (2025)

To Build Our Future, We Must Know Our Past: Contextualizing Paradigm Shifts in Natural Language Processing
von: Gururaja, Sireesh, et al.
Veröffentlicht: (2023)

From FLOPs to Footprints: The Resource Cost of Artificial Intelligence
von: Falk, Sophia, et al.
Veröffentlicht: (2025)

Transparency in Healthcare AI: Testing European Regulatory Provisions against Users' Transparency Needs
von: Spagnolli, Anna, et al.
Veröffentlicht: (2025)

Position: Key Claims in LLM Research Have a Long Tail of Footnotes
von: Rogers, Anna, et al.
Veröffentlicht: (2023)

Is Contrasting All You Need? Contrastive Learning for the Detection and Attribution of AI-generated Text
von: La Cava, Lucio, et al.
Veröffentlicht: (2024)

What Security and Privacy Transparency Users Need from Consumer-Facing Generative AI
von: Cao, Jiaxun, et al.
Veröffentlicht: (2026)

Generative Debunking of Climate Misinformation
von: Zanartu, Francisco, et al.
Veröffentlicht: (2024)

Merging AI Incidents Research with Political Misinformation Research: Introducing the Political Deepfakes Incidents Database
von: Walker, Christina P., et al.
Veröffentlicht: (2024)

Crafting Synthetic Realities: Examining Visual Realism and Misinformation Potential of Photorealistic AI-Generated Images
von: Peng, Qiyao, et al.
Veröffentlicht: (2024)

The Creation and Analysis of Government AI Transparency Statements in Australia
von: Pan, Shidong, et al.
Veröffentlicht: (2026)

How Do Companies Manage the Environmental Sustainability of AI? An Interview Study About Green AI Efforts and Regulations
von: Sampatsing, Ashmita, et al.
Veröffentlicht: (2025)

AI, Climate, and Transparency: Operationalizing and Improving the AI Act
von: Alder, Nicolas, et al.
Veröffentlicht: (2024)

Culling Misinformation from Gen AI: Toward Ethical Curation and Refinement
von: Khatiwada, Prerana, et al.
Veröffentlicht: (2025)

Staying vigilant in the Age of AI: From content generation to content authentication
von: Li, Yufan, et al.
Veröffentlicht: (2024)

Transparency, Security, and Workplace Training & Awareness in the Age of Generative AI
von: Vaishnav, Lakshika, et al.
Veröffentlicht: (2024)

Improving Hybrid Human-AI Tutoring by Differentiating Human Tutor Roles Based on Student Needs
von: Gurung, Ashish, et al.
Veröffentlicht: (2026)

AI-Enabled Rent-Seeking: How Generative AI Alters Market Transparency and Efficiency
von: Zhang, Yukun, et al.
Veröffentlicht: (2025)

Lawful but Awful: Evolving Legislative Responses to Address Online Misinformation, Disinformation, and Mal-Information in the Age of Generative AI
von: Chesterman, Simon
Veröffentlicht: (2025)

Generative AI Needs Adaptive Governance
von: Reuel, Anka, et al.
Veröffentlicht: (2024)

A Peek Behind the Curtain: Using Step-Around Prompt Engineering to Identify Bias and Misinformation in GenAI Models
von: Hickerson, Don, et al.
Veröffentlicht: (2025)

Medical Misinformation in AI-Assisted Self-Diagnosis: Development of a Method (EvalPrompt) for Analyzing Large Language Models
von: Zada, Troy, et al.
Veröffentlicht: (2023)

DoYouTrustAI: A Tool to Teach Students About AI Misinformation and Prompt Engineering
von: Driscoll, Phillip, et al.
Veröffentlicht: (2025)

Cost Transparency of Enterprise AI Adoption
von: Alavi, Soogand, et al.
Veröffentlicht: (2025)

SafetyAnalyst: Interpretable, Transparent, and Steerable Safety Moderation for AI Behavior
von: Li, Jing-Jing, et al.
Veröffentlicht: (2024)

Reasoning About the Unsaid: Misinformation Detection with Omission-Aware Graph Inference
von: Wang, Zhengjia, et al.
Veröffentlicht: (2025)