本文探讨了绿色人工智能和自动化机器学习（AutoML）的发展，提出通过小规模模型组合和高效算法来优化机器学习性能。研究表明，基于采样的AutoML方法在大规模建模中具有显著的投资回报率，并在实际应用中表现良好。此外，提出了静态和动态模型选择策略，以平衡准确性与能源消耗，强调在实际生产环境中采用注重能源的模型选择策略的重要性。

本文综述绿色人工智能研究，探讨通过数据集修改、算法优化和能量感知设计降低AI能耗。实验表明，仅修改数据集可节能达92.16%且几乎不损精度；自适应应用可省81%能耗，仅损失2%至6%准确率。研究还涉及边缘AI能效、模型架构与碳排放关系，呼吁推广以数据为中心的绿色AI技术。