लर्निंग पाथ
एआई मूलभूत बातें
10 घंटा
एआई के पर्यावरणीय प्रभाव की गणना: पद्धतिगत चुनौतियाँ
देर 2022 में ChatGPT के लॉन्च के बाद से एआई उद्योग तेजी से बढ़ा है। Statista के अनुसार, 2024 में कृत्रिम बुद्धिमत्ता का बाजार 184 बिलियन अमेरिकी डॉलर से अधिक हो गया और 2030 तक यह 826 बिलियन अमेरिकी डॉलर से आगे निकलने की राह पर है।
2020 से 2030 तक विश्व स्तर पर एआई बाजार का आकार। स्रोत: Statista
हालाँकि, इतने विस्तारवादी एजेंडे को एआई के वैश्विक लागत का आकलन किए बिना आगे नहीं बढ़ाना चाहिए। दांव पहले से कहीं ऊँचे हैं, क्योंकि दुनिया तेजी से एक पूर्ण जलवायु आपदा को रोकने के लिए समय से बाहर हो रही है।
इसलिए एआई के पर्यावरणीय पदचिह्न का आकलन अनिवार्य है। लेकिन, जैसा कि हमने अपने लेख डिजिटल तकनीकों और डेटा का पर्यावरणीय प्रभाव में समझाया, यह एक चुनौतीपूर्ण कार्य है।
यद्यपि इस विषय पर शोध बढ़ रहा है, फिर भी एआई के पर्यावरणीय पदचिह्न का व्यापक आकलन करना फिलहाल संभव नहीं है। प्रमुख सीमाओं और चुनौतियों में शामिल हैं:
पारदर्शिता की कमी और डेटा अंतराल
एआई कंपनियाँ अपने उत्पादों के बारे में, पर्यावरण-संबंधी जानकारी सहित, जानकारी प्रकट करने में अनिच्छुक रहती हैं। इसका परिणाम महत्वपूर्ण डेटा अंतराल और ब्लाइंड स्पॉट्स के रूप में होता है, जो एआई शोधकर्ताओं के काम को कठिन बना देता है। जैसा कि Hugging Face में क्लाइमेट लीड Sasha Luccioni ने रेखांकित किया है:
जितनी भी कंपनियाँ एआई टूल उपलब्ध कराती हैं, मेरी जानकारी में, उनमें से कोई भी ऊर्जा उपयोग और कार्बन पदचिह्न की जानकारी नहीं देती। हमें यह भी नहीं पता कि GPT जैसे बड़े मॉडल कितने बड़े हैं। कुछ भी साझा नहीं किया जाता; सब कुछ कंपनी का रहस्य है।
Sasha Luccioni, Climate Lead at Hugging Face
पर्यावरणीय पदचिह्न में क्या-क्या शामिल है?
अधिकांश अध्ययन ऊर्जा मांग या ग्रीनहाउस गैस उत्सर्जन (यानी कार्बन पदचिह्न) पर केंद्रित होते हैं। हालांकि, अन्य गैर-ऊर्जा प्रभावों का आकलन करना भी महत्वपूर्ण है जो डिजिटल पर्यावरणीय पदचिह्न में जुड़ते हैं, जैसे पानी और खनिजों की खपत।
पूरे एआई लाइफसाइकल पर नज़र
अधिकांश लेखों ने प्रशिक्षण के दौरान एआई के पदचिह्न का अध्ययन किया है। लेकिन, जैसा कि 2023 के एक पेपर में Luccioni और सह-लेखकों ने बताया, एआई के जीवनचक्र के अन्य क्षेत्रों पर भी विचार किया जाना चाहिए, जिनमें सामग्री निष्कर्षण, निर्माण, मॉडल परिनियोजन और निपटान शामिल हैं।
लाइफ साइकिल असेसमेंट दृष्टिकोण। स्रोत: Luccioni et al.
एआई का पर्यावरणीय पदचिह्न
एआई के पर्यावरणीय पदचिह्न का अनुमान लगाने में पद्धतिगत सीमाओं के बावजूद, वास्तविकता यह है कि प्राकृतिक संसाधनों के संदर्भ में एआई की लागतें पर्याप्त हैं। निम्न उपखंड में, हम केवल एआई के कार्बन और जल पदचिह्न को कवर करेंगे। हालाँकि, जैसा कि पहले उल्लेख किया गया है, खनिज उपभोग या जैव विविधता ह्रास जैसे अन्य क्षेत्रों में एआई के प्रभाव का मूल्यांकन करने के लिए नए शोध की आवश्यकता है।
एआई का कार्बन पदचिह्न
अपना कमाल दिखाने के लिए, एआई को काफी मात्रा में ऊर्जा की आवश्यकता होती है, जो अक्सर अतिरिक्त कार्बन उत्सर्जन में बदल जाती है।
LLMs द्वारा खपत ऊर्जा को दो श्रेणियों में वर्गीकृत किया जा सकता है:
- ऑपरेशनल ऊर्जा। यानी इन टूलों को चलाने के लिए—प्रशिक्षण या इन्फरेंस—आवश्यक ऊर्जा।
- हार्डवेयर निर्माण। यानी एआई सिस्टम के उपकरण, जैसे GPU (ग्राफिकल प्रोसेसिंग यूनिट), बनाने के लिए आवश्यक ऊर्जा।
अधिकांश अध्ययनों ने प्रशिक्षण चरण के दौरान एआई के कार्बन पदचिह्न पर ध्यान केंद्रित किया है, मुख्यतः इसलिए कि एआई के जीवनचक्र का यही चरण है जहाँ अधिक डेटा उपलब्ध होता है, विशेषकर ओपन-सोर्स मॉडलों के मामले में।
उदाहरण के लिए, 2019 के एक लेख में, Strubell और सह-लेखकों ने अनुमान लगाया कि 213 मिलियन पैरामीटर वाले एक LLM को प्रशिक्षित करने से 626,155 पाउंड CO2 उत्सर्जित हो सकता है, जो ईंधन सहित पाँच कारों के आजीवन उत्सर्जन के लगभग बराबर है।
हालाँकि, इन्फरेंस के दौरान ऊर्जा बिल—यानी किसी मॉडल का उस कार्य को करने के लिए उपयोग जिसकी ट्रेनिंग हुई है—प्रशिक्षण जितना या उससे भी अधिक हो सकता है।
2023 के एक अध्ययन में, Luccioni और सह-लेखकों ने गणना की कि 176 बिलियन पैरामीटर वाले BLOOM मॉडल को 18 दिनों तक परिनियोजित करने पर रोज़ाना औसतन 40.32 kWh ऊर्जा (लगभग 1,110 स्मार्टफोन चार्ज के बराबर) उपयोग हुई और प्रतिदिन लगभग 19 किलोग्राम CO2 समतुल्य उत्सर्जन हुआ।
एक और हालिया लेख में, Lucioni और सह-लेखकों ने यह भी दिखाया कि परिनियोजन चरण के दौरान आवश्यक ऊर्जा मौजूदा कार्य पर बहुत अधिक निर्भर करती है। विशेष रूप से, उन्होंने पाया कि इमेज-आधारित कार्य सबसे अधिक ऊर्जा-खपत करने वाले हैं।
स्रोत: Luccioni et al.
इस परिदृश्य में, यह चौंकाने वाली बात नहीं है कि डेटा सेंटर्स—जहाँ एआई सिस्टम का कंप्यूट, प्रशिक्षण और इन्फरेंस, सामान्यतः होता है—की बिजली खपत 2026 तक दोगुनी हो सकती है, जैसा कि अंतर्राष्ट्रीय ऊर्जा एजेंसी के हालिया अध्ययन में बताया गया है।
एआई के व्यापक अपनाने के कारण बिजली बिल में उछाल नेट-ज़ीरो महत्वाकांक्षा रखने वाली टेक कंपनियों के लिए बुरी खबर है। उदाहरण के लिए, अपनी नवीनतम सस्टेनेबिलिटी रिपोर्ट में Google ने स्वीकार किया कि उसके उत्सर्जन 2023 में पिछले वर्ष की तुलना में 13% और 2019 से 48% बढ़ गए, जिसका मुख्य कारण उसके डेटा सेंटर्स की ऊर्जा खपत में वृद्धि है। यही हाल Microsoft का भी है, जिसने 2020 से उत्सर्जन में 29.1% वृद्धि की रिपोर्ट की, जो मुख्य रूप से एआई चलाने के लिए आवश्यक बिजली के कारण है।
एआई का जल पदचिह्न
बढ़ती संख्या में शोधकर्ता एआई की चिंताजनक जल खपत की ओर ध्यान दे रहे हैं। एआई के जल पदचिह्न का सबसे बड़ा हिस्सा डेटा सेंटर्स में होता है, जिन्हें सर्वरों को ठंडा करने के लिए—जो एआई प्रॉम्प्ट्स के प्रशिक्षण और उत्तर देने की गणनाएँ करते हैं—अरबों गैलन पानी की आवश्यकता होती है। 2021 के एक अध्ययन के अनुसार, एक औसत डेटा सेंटर उतना पानी उपयोग करता है जितना तीन औसत आकार के अस्पताल।
एआई की मांग को पूरा करने के लिए नए केंद्र बनते जाने से आने वाले वर्षों में डेटा सेंटर्स का जल पदचिह्न नाटकीय रूप से बढ़ सकता है। यूसी रिवरसाइड के शोधकर्ताओं के अनुसार, 2027 में डेटा सेंटर्स 4.2–6.6 बिलियन घन मीटर पानी का उपभोग कर सकते हैं। यह यूनाइटेड किंगडम में कुल वार्षिक जल निकासी के आधे से अधिक के बराबर है।
व्यावसायिक रहस्य के रूप में छिपाए जाने के बावजूद, सामाजिक और विनियामक दबाव के बाद टेक कंपनियाँ अंततः अपने जल उपयोग की जानकारी जारी करना शुरू कर रही हैं। उदाहरण के लिए, अपनी नवीनतम सस्टेनेबिलिटी रिपोर्ट में, Google ने 17% वृद्धि की घोषणा की, जो 2025 की तुलना में उसके जल पदचिह्न में है, और कुल 6.1 बिलियन गैलन—लगभग 41 गोल्फ कोर्सों की वार्षिक सिंचाई के लिए आवश्यक पानी—का लेखा-जोखा दिया।
क्योंकि अत्याधुनिक कूलिंग सिस्टम केवल स्वच्छ पानी से ही काम कर सकते हैं, डेटा सेंटर्स की आवश्यकताएँ अक्सर पड़ोसियों के हितों से टकराती हैं, खासकर तब जब डेटा सेंटर्स ऐसे क्षेत्रों में स्थित हों जो पहले से ही जल कमी की समस्याओं से जूझ रहे हों।
हालाँकि डेटा सेंटर्स जल उपयोग का प्राथमिक स्रोत हैं, एआई के जीवनचक्र के अन्य चरणों—विशेष रूप से हार्डवेयर निर्माण, जैसे GPU चिप्स के सेमीकंडक्टर्स—में जल पदचिह्न पर प्रकाश डालने के लिए नए शोध की आवश्यकता है।
एआई के पर्यावरणीय पदचिह्न को कम करने की 3 तकनीकें
एआई मॉडलों के विकास और परिनियोजन की बढ़ती पर्यावरणीय लागत को देखते हुए, कंपनियों को अपना पदचिह्न कम करने के लिए रणनीतियाँ और तकनीकें अपनानी चाहिए।
निम्न उपखंड में, हम अधिक सस्टेनेबल एआई को आगे बढ़ाने के लिए उपलब्ध कुछ समाधानों का विश्लेषण करते हैं।
1. मॉडल दक्षता का अनुकूलन
एआई मॉडलों के कार्बन पदचिह्न को कम करने की सबसे स्पष्ट रणनीतियों में से एक है उनकी दक्षता बढ़ाना। एआई के संदर्भ में, इसका अर्थ है छोटे, कम जटिल मॉडलों से सबसे उन्नत मॉडलों जितनी सटीकता प्राप्त करना।
एक ओर, दक्षता हार्डवेयर स्तर पर हासिल की जा सकती है। उदाहरण के लिए, यदि इंजीनियर और माइक्रोचिप निर्माता मूर के नियम—गॉर्डन मूर ने भविष्यवाणी की थी कि माइक्रोचिप्स पर ट्रांजिस्टरों की संख्या लगभग हर दो साल में दोगुनी होगी—के साथ तालमेल बनाए रख पाते हैं, तो आने वाले वर्षों में हम तेज, छोटे और अधिक कुशल GPU देखेंगे।
यद्यपि कुछ पूर्वानुमानकर्ता अनुमान लगाते हैं कि यह नियम 2025 के आसपास भौतिक सीमाओं के कारण खत्म हो जाएगा, अन्य अत्याधुनिक तकनीकें—जैसे क्वांटम कंप्यूटिंग, नए पदार्थ और अभिनव चिप आर्किटेक्चर—दक्षता की खोज में महत्वपूर्ण हो सकती हैं। इसी तरह, डेटा सेंटर्स के डिज़ाइन और संचालन में नवाचार ऊर्जा खपत घटाने के लिए निर्णायक है।
दूसरी ओर, सॉफ़्टवेयर है। एआई शोधकर्ता प्रशिक्षण और इन्फरेंस के दौरान एआई मॉडलों को अधिक कुशल बनाने के लिए नए डिज़ाइन और तकनीकों को आगे बढ़ा रहे हैं, जैसे:
- मॉडल प्रूनिंग। यह किसी न्यूरल नेटवर्क से महत्वहीन पैरामीटरों को हटाने की तकनीक है ताकि मॉडल का आकार घटे और अधिक कुशल इन्फरेंस संभव हो।
- क्वांटाइज़ेशन। यह सतत असीमित मानों को एक छोटे, परिमित विविक्त मानों के सेट पर मैप करने की विभिन्न तकनीकों का समूह है। अधिक जानने के लिए हमारा LLM क्वांटाइज़ेशन गाइड पढ़ें।
- नॉलेज डिस्टिलेशन। यह एक तकनीक है जिसका लक्ष्य एक बड़े प्री-ट्रेंड मॉडल के सीखे हुए ज्ञान को एक छोटे मॉडल तक स्थानांतरित करना है। LLM डिस्टिलेशन पर हमारे अलग लेख में और जानें।
2. नवीकरणीय ऊर्जा का उपयोग
डेटा सेंटर्स में एआई के चिंताजनक कार्बन पदचिह्न से निपटने का एक और समाधान नवीकरणीय ऊर्जा में निवेश करना है। सोलर पैनल, पवन टर्बाइन या हाइड्रोपावर स्टेशनों का स्पष्ट लाभ यह है कि वे कार्बन डाइऑक्साइड उत्सर्जित किए बिना बिजली उत्पन्न करते हैं।
एआई उद्योग के बड़े खिलाड़ी, जैसे Google, Microsoft और Meta, स्वच्छ ऊर्जा अवसंरचना में सबसे बड़े निवेशकों में हैं। हालांकि, जैसा कि Hugging Face की क्लाइमेट लीड Sasha Luccioni ने चेतावनी दी है:
नवीकरणीय ऊर्जा निश्चित रूप से बढ़ रही है। समस्या यह है कि एआई की वृद्धि के साथ तालमेल रखने के लिए यह पर्याप्त तेजी से नहीं बढ़ रही।
Sasha Luccioni, Climate Lead at Hugging Face
नतीजतन, इन कंपनियों ने परंपरागत रूप से अपने स्वच्छ ऊर्जा प्रतिबद्धताओं को पूरा करने के लिए अन्य वित्तीय साधनों पर भरोसा किया है, जैसे रिन्यूएबल एनर्जी सर्टिफिकेट्स (RECs) और कार्बन क्रेडिट।
3. क्लाउड-आधारित समाधानों का लाभ उठाना
इकोनॉमीज़ ऑफ स्केल के माध्यम से, क्लाउड प्रदाता एआई कंपनियों को अपने मॉडलों को प्रशिक्षित और परिनियोजित करने के लिए कहीं अधिक लागत-प्रभावी समाधान प्रदान करते हैं। यह कंपनियों की जेबों के लिए अच्छी खबर है—क्योंकि वे अपनी कंप्यूटिंग अवसंरचना खरीदने की अग्रिम लागत से बचती हैं—और जलवायु परिवर्तन के लिए भी।
हाइपरस्केल डेटा सेंटर्स विशेष रूप से दक्ष होने के लिए डिज़ाइन किए जाते हैं। वे ऊर्जा-गहन प्रक्रियाओं को तेज़ी से और बड़े पैमाने पर चला सकते हैं, जिससे महत्वपूर्ण ऊर्जा बचत होती है। साथ ही, वे कूलिंग उद्देश्यों के लिए उपयोग किए जाने वाले पानी को घटाने के लिए अनुकूलित होते हैं।
हमारे Understanding Cloud Computing कोर्स में क्लाउड कंप्यूटिंग के बारे में और जानें।
उद्योग में सस्टेनेबल एआई प्रथाएँ
यदि समझदारी से उपयोग किया जाए, तो एआई पर्यावरणीय संकट का समाधान करने में हमारे सबसे बड़े सहयोगियों में से एक हो सकता है। आइए कुछ प्रभावशाली उपयोग मामलों का विश्लेषण करें जहाँ सस्टेनेबल लक्ष्यों को आगे बढ़ाने में एआई महत्वपूर्ण रहा है।
पर्यावरणीय सस्टेनेबिलिटी के लिए एआई
पर्यावरणीय चुनौतियों से निपटने के लिए एआई-संचालित अनुप्रयोगों की संख्या तेजी से बढ़ रही है—कार्बन उत्सर्जन की निगरानी और जलवायु-संवेदनशील क्षेत्रों की पहचान से लेकर सप्लाई चेन में पर्यावरणीय सस्टेनेबिलिटी में सुधार और पानी के उपयोग व मृदा क्षरण को सीमित करने के लिए प्रिसिजन एग्रीकल्चर लागू करने तक।
नीचे कुछ ऐसे अनुप्रयोगों की सूची है, जिन्हें देखना सार्थक होगा:
चरम मौसम मॉडलिंग
मौसम का पूर्वानुमान सबसे पुराने और सबसे चुनौतीपूर्ण वैज्ञानिक कार्यों में से एक है। एआई मौसम वैज्ञानिकों को अभूतपूर्व सटीकता के साथ मौसम पूर्वानुमान बनाने में मदद कर रहा है। इसमें चरम मौसम घटनाओं की भविष्यवाणी भी शामिल है।
उदाहरण के लिए, Google का डीप लर्निंग मॉडल GraphCast चक्रवातों के मार्गों की अधिक दूर तक सटीक भविष्यवाणी कर सकता है, बाढ़ जोखिम से जुड़ी वायुमंडलीय नदियों की पहचान कर सकता है और चरम तापमान की शुरुआत का अनुमान लगा सकता है।
ग्रीनहाउस गैस (GHG) उत्सर्जन निगरानी
अधिकांश मानवीय आर्थिक गतिविधियाँ वायुमंडल में GHG उत्सर्जन छोड़ती हैं। कहाँ, कब, कौन और कितना उत्सर्जन होता है—यह जानना—जलवायु परिवर्तन को बेहतर समझने, प्रभावी जलवायु नीतियाँ आगे बढ़ाने और उत्सर्जन हॉटस्पॉट्स की पहचान करने के लिए महत्वपूर्ण है।
GHG उत्सर्जन का पता लगाने में एआई कैसे मदद करता है, इसका एक शानदार उदाहरण है Climate TRACE, जो एआई और रिमोट सेंसिंग की शक्ति का उपयोग करके अभूतपूर्व सटीकता के साथ उत्सर्जन की निगरानी करने वाला संगठनों का एक गैर-लाभकारी गठबंधन प्रोजेक्ट है।
पावर ग्रिड का अनुकूलन
स्वच्छ ऊर्जा के संक्रमण को संबोधित करने के लिए पावर ग्रिड का आधुनिकीकरण एक प्रमुख कार्य है। नवीकरणीय ऊर्जा के उदय से पावर ग्रिड तेजी से जटिल हो रहे हैं। स्थिर ऊर्जा प्रवाह देने वाले पावर प्लांट्स की तुलना में, सोलर पैनल और पवन टर्बाइन मौसम से प्रभावित होकर परिवर्तनशील बिजली पैदा करते हैं।
एआई इस जटिलता को प्रबंधित करने और आपूर्ति व मांग के संतुलन में निर्णायक भूमिका निभा सकता है। विशाल डेटा का विश्लेषण कर, एआई स्वचालित रूप से भविष्यवाणी कर सकता है कि अगले दिन कितनी बिजली की आवश्यकता होगी और उस ऊर्जा को सबसे किफायती तरीके से आवंटित करने की कोशिश कर सकता है।
मैटेरियल डिस्कवरी
हरित तकनीकें—जैसे सोलर पैनल और पवन टर्बाइन—अकार्बनिक पदार्थों पर निर्भर करती हैं। नए पदार्थों की खोज तकनीकी प्रगति के लिए महत्वपूर्ण है, चाहे वह अधिक हरित तकनीकें विकसित करना हो या मौजूदा तकनीकों को अधिक कुशल बनाना।
एआई सामग्री खोज की प्रक्रिया को तेज कर रहा है। उदाहरण के लिए, Google का एआई मॉडल GNoME ने हाल ही में 3,80,000 स्थिर क्रिस्टल खोजे हैं, जो अधिक हरित तकनीकों—इलेक्ट्रिक कारों के लिए बेहतर बैटरियों से लेकर अधिक कुशल कंप्यूटिंग के लिए सुपरकंडक्टर्स—के विकास की संभावना रखते हैं।
कॉरपोरेट जवाबदेही
सभी क्षेत्रों के व्यवसाय भी अपने सस्टेनेबिलिटी उद्देश्यों को पूरा करने के लिए एआई का उपयोग कर रहे हैं। बिग टेक कंपनियाँ अपने बेजोड़ एआई ज्ञान के कारण सबसे प्रमुख उदाहरणों में हैं। उदाहरण के लिए, अपने AI & Sustainability Playbook में Microsoft पाँच ऐसे क्षेत्रों की पहचान करता है जहाँ एआई उपयोगी हो सकता है:
स्रोत: Microsoft
DataCamp भी अधिक सस्टेनेबल भविष्य की दिशा में काम कर रहा है। हम जमीनी और वैश्विक हरित पहलों का समर्थन अपनी विश्व-स्तरीय शिक्षा प्लेटफ़ॉर्म तक निःशुल्क या अत्यधिक सब्सिडी वाले एक्सेस के साथ करने में विश्वास रखते हैं। अपने DataCamp Donates कार्यक्रम के माध्यम से, हमने जलवायु परिवर्तन-केंद्रित मिशन रखने वाले कई संगठनों के साथ उनकी टीमों को अपस्किल करने के लिए काम किया है।
अपने प्लेटफ़ॉर्म के माध्यम से, हम हर तरह के संगठनों और पेशेवरों को पर्यावरण पर सकारात्मक प्रभाव डालने में समर्थन दे सकते हैं। हमारी कुछ उल्लेखनीय सफलताएँ CDP और Omenda जैसी एनजीओज़ या Drax और SSE जैसी क्लीन एनर्जी कंपनियों के साथ हैं।
एआई के विकास पर नैतिक विचार
हर उद्योग को पृथ्वी पर अपने संभावित प्रभाव का आकलन करना और अपने पर्यावरणीय पदचिह्न को कम करने के तरीके ढूँढने के लिए बाध्य किया जाता है। एआई उद्योग अपवाद नहीं होना चाहिए। एआई द्वारा पर्यावरणीय उद्देश्यों को आगे बढ़ाने के वादों के बावजूद, उद्योग के पर्यावरणीय प्रभाव को कम करने के लिए अतिरिक्त प्रयास अपरिहार्य हैं।
बेहतर और अधिक कुशल एआई मॉडलों को आगे बढ़ाने के लिए नवाचार की आवश्यकता है। लेकिन यह पर्याप्त नहीं है। एआई की बढ़ती पर्यावरणीय लागत को देखते हुए, एआई उद्योग के विकास और वृद्धि के बारे में एक गंभीर और नैतिक बहस अत्यंत आवश्यक है।
एआई के ट्रेड-ऑफ्स
पहले, हमें अन्य आवश्यक सामाजिक जरूरतों पर एआई विकास को प्राथमिकता देने के निहितार्थों का आकलन करना चाहिए। जबकि एआई खिलाड़ी अपने डेटा सेंटर्स को ऊर्जा देने के लिए स्वच्छ ऊर्जा परियोजनाओं में पर्याप्त संसाधन निवेश कर रहे हैं, यह वह ऊर्जा है जिसे हम अन्य संभावित उपयोगों—जैसे हीटिंग या कम-संसाधन वाले परिवारों को बिजली प्रदान करने—से हटा रहे हैं।
उसी प्रकार, यह याद रखना महत्वपूर्ण है कि हरित तकनीकें महत्वपूर्ण सामग्रियों—खनिजों, धातुओं और दुर्लभ पृथ्वी तत्वों—पर अत्यधिक निर्भर हैं, जिन्हें ढूँढना मुश्किल है और जिन्हें धरती से निकालने में अपार ऊर्जा लगती है, जिससे ग्रह पर नकारात्मक प्रभाव पड़ता है।
जहाँ एआई का कार्बन पदचिह्न वैश्विक आयाम रखता है, वहीं इसका जल पदचिह्न ऐसा नहीं है। यहाँ ट्रेड-ऑफ स्पष्ट है: डेटा सेंटर द्वारा प्रयुक्त पानी वह पानी है जो पड़ोसियों और आसपास के क्षेत्र में रहने वाली जैव विविधता से छिन जाता है।
संभावित रिबाउंड प्रभाव
दूसरा, एआई के विकास से जुड़े संभावित रिबाउंड प्रभावों का आकलन करने के लिए आगे और शोध की आवश्यकता है। जैसा कि अन्य क्षेत्रों में देखा गया है, यह संभावना है कि एआई मॉडलों की दक्षता में सुधार समग्र एआई उपयोग में वृद्धि की ओर ले जाए, जो अंततः ऐसे दक्षता लाभों को संतुलित कर सकता है।
इसे स्पष्ट करने के लिए, ChatGPT का मामला लेते हैं। Goldman Sachs के अनुसार, एक ChatGPT क्वेरी को प्रोसेस करने में Google सर्च की तुलना में लगभग 10 गुना अधिक बिजली लगती है। एक ऐसे टूल के लिए जिसे रोज़ाना औसतन 1 करोड़ क्वेरी मिलती हैं, यह एक विशाल ऊर्जा बिल में बदलता है। यही कारण है कि ChatGPT के अधिकांश संस्करणों के लिए आपको शुल्क देना पड़ता है, और सबसे उन्नत संस्करणों में भी, दैनिक प्रॉम्प्ट सीमा होती है।
अब कल्पना करें कि OpenAI ने एक अभिनव न्यूरल आर्किटेक्चर विकसित किया जो काफी दक्षता लाभ दिलाता है। मान लीजिए, नए आर्किटेक्चर के साथ ChatGPT का नवीनतम संस्करण Google सर्च की तुलना में केवल 5 गुना बिजली माँगता है। बहुत संभव है कि तब OpenAI अधिक किफायती प्लान्स कम प्रॉम्प्ट सीमाओं के साथ पेश करे, जिससे उपयोगकर्ताओं में वृद्धि होगी।
नतीजा? OpenAI को अतिरिक्त मुनाफा और उपयोगकर्ता खुश, लेकिन उत्सर्जन अंततः बढ़ भी सकता है, क्योंकि ChatGPT और अधिक लोकप्रिय व सर्वव्यापी हो जाएगा, और इस तरह नए न्यूरल आर्किटेक्चर के बाद हुए दक्षता लाभों का प्रतिकार हो सकता है।
एआई और जीवाश्म ईंधन उद्योग
संभावित रिबाउंड प्रभावों को देखने का एक और तरीका है कुछ प्रमुख एआई खिलाड़ियों—जैसे Microsoft—और जीवाश्म ईंधन कंपनियों के बीच घनिष्ठ संबंध। विशेषज्ञता और एआई तकनीकों तक पहुँच प्रदान करके, बिग टेक कंपनियाँ तेल और गैस कंपनियों को जीवाश्म ईंधन की उपज और उत्पादन का अनुकूलन व वृद्धि करने में मदद कर रही हैं, जिससे अतिरिक्त GHG उत्सर्जन होता है और नवीकरणीय ऊर्जा की ओर संक्रमण में संभावित देरी होती है।
इस तरह के व्यवसाय चिंताजनक हैं और किसी हद तक उनकी वैश्विक जलवायु प्रतिबद्धताओं के विपरीत हैं।
जैसा कि Microsoft में पूर्व डाटासेंटर कम्युनिटी एनवायरनमेंटल सस्टेनेबिलिटी सीनियर प्रोग्राम मैनेजर Holly Alpine ने एक हालिया लेख में कहा:
जहाँ Microsoft के सार्वजनिक बयान और रिपोर्टें सस्टेनेबिलिटी के लिए एआई के लाभकारी अनुप्रयोगों को रेखांकित करती हैं, वे महत्वपूर्ण रूप से इस तथ्य को नज़रअंदाज कर देती हैं कि Microsoft के कारोबार का एक बड़ा हिस्सा जीवाश्म ईंधन कंपनियों को उत्पादन बढ़ाने के लिए तकनीक उपलब्ध कराना है।
Holly Alpine, Former Microsoft Senior Program Manager of Datacenter Community Environmental Sustainability