एक दो-भाग श्रृंखला में, एमआईटी समाचार जेनेरिक एआई के पर्यावरणीय निहितार्थों की पड़ताल करता है। इस लेख में, हम देखते हैं कि यह तकनीक इतनी संसाधन-गहन क्यों है। एक दूसरा टुकड़ा जांच करेगा कि विशेषज्ञ Genai के कार्बन पदचिह्न और अन्य प्रभावों को कम करने के लिए क्या कर रहे हैं।
वैज्ञानिक अनुसंधान को आगे बढ़ाने के लिए कार्यकर्ता उत्पादकता में सुधार करने से लेकर जेनेरिक एआई के संभावित लाभों के आसपास के उत्साह को अनदेखा करना मुश्किल है। जबकि इस नई तकनीक की विस्फोटक वृद्धि ने कई उद्योगों में शक्तिशाली मॉडल की तेजी से तैनाती को सक्षम किया है, इस जेनेरिक एआई “गोल्ड रश” के पर्यावरणीय परिणामों को पिन करना मुश्किल है, अकेले कम करें।
जनजातीय एआई मॉडल को प्रशिक्षित करने के लिए आवश्यक कम्प्यूटेशनल शक्ति जिसमें अक्सर अरबों के पैरामीटर होते हैं, जैसे कि ओपनईआई का जीपीटी -4, बिजली की एक चौंका देने वाली मात्रा की मांग कर सकता है, जिससे कार्बन डाइऑक्साइड उत्सर्जन और इलेक्ट्रिक ग्रिड पर दबाव बढ़ता है।
इसके अलावा, इन मॉडलों को वास्तविक दुनिया के अनुप्रयोगों में तैनात करना, लाखों लोगों को अपने दैनिक जीवन में जेनेरिक एआई का उपयोग करने में सक्षम बनाता है, और फिर मॉडल को बेहतर बनाने के लिए मॉडल को ठीक करने के लिए मॉडल विकसित होने के बाद बड़ी मात्रा में ऊर्जा खींचता है।
बिजली की मांगों से परे, प्रशिक्षण, तैनाती, और ठीक ट्यूनिंग जनरेटिव एआई मॉडल के लिए उपयोग किए जाने वाले हार्डवेयर को ठंडा करने के लिए पानी का एक बड़ा सौदा आवश्यक है, जो नगरपालिका के पानी की आपूर्ति को तनाव दे सकता है और स्थानीय पारिस्थितिक तंत्र को बाधित कर सकता है। जेनेरिक एआई अनुप्रयोगों की बढ़ती संख्या ने भी उच्च-प्रदर्शन कंप्यूटिंग हार्डवेयर की मांग को बढ़ावा दिया है, जो इसके निर्माण और परिवहन से अप्रत्यक्ष पर्यावरणीय प्रभावों को जोड़ता है।
“जब हम जेनेरिक एआई के पर्यावरणीय प्रभाव के बारे में सोचते हैं, तो यह केवल उस बिजली का उपभोग नहीं करता है जब आप कंप्यूटर को प्लग इन करते हैं। बहुत व्यापक परिणाम होते हैं जो एक सिस्टम स्तर तक जाते हैं और हम जो कार्यों के आधार पर होते हैं, उसके आधार पर बने रहते हैं,” एल्सा ए। ओलिवेटी, सामग्री विज्ञान और इंजीनियरिंग विभाग में प्रोफेसर और मित के नए क्लाइमेट प्रोजेक्ट के डीकार्बोनिज़ेशन मिशन के प्रमुख हैं।
ओलिवेटी एक 2024 पेपर के वरिष्ठ लेखक हैं, “द क्लाइमेट एंड सस्टेनेबिलिटी इम्प्लेक्शन ऑफ जेनरेटिव एआई,” एमआईटी सहयोगियों द्वारा सह-लेखक एक संस्थान-व्यापी कॉल के जवाब में, जो कि समाज के लिए सकारात्मक और नकारात्मक दोनों दिशाओं में जनरेटिव एआई की परिवर्तनकारी क्षमता का पता लगाते हैं।
डेटा केंद्रों की मांग
डेटा सेंटरों की बिजली की मांग एक प्रमुख कारक है जो जनरेटिव एआई के पर्यावरणीय प्रभावों में योगदान देता है, क्योंकि डेटा सेंटर का उपयोग CHATGPT और DALL-E जैसे लोकप्रिय उपकरणों के पीछे गहरे सीखने के मॉडल को प्रशिक्षित करने और चलाने के लिए किया जाता है।
एक डेटा सेंटर एक तापमान-नियंत्रित इमारत है जिसमें कंप्यूटिंग इन्फ्रास्ट्रक्चर, जैसे कि सर्वर, डेटा स्टोरेज ड्राइव और नेटवर्क उपकरण हैं। उदाहरण के लिए, अमेज़ॅन के पास दुनिया भर में 100 से अधिक डेटा केंद्र हैं, जिनमें से प्रत्येक में लगभग 50,000 सर्वर हैं जो कंपनी क्लाउड कंप्यूटिंग सेवाओं का समर्थन करने के लिए उपयोग करती है।
जबकि डेटा सेंटर 1940 के दशक के बाद से हैं (पहला 1945 में पेंसिल्वेनिया विश्वविद्यालय में बनाया गया था, पहले सामान्य-उद्देश्य वाले डिजिटल कंप्यूटर, ENIAC का समर्थन करने के लिए), जनरेटिव AI के उदय ने नाटकीय रूप से डेटा सेंटर निर्माण की गति में वृद्धि की है।
“जनरेटिव एआई के बारे में अलग -अलग है, इसके लिए बिजली घनत्व की आवश्यकता होती है। मौलिक रूप से, यह सिर्फ कंप्यूटिंग है, लेकिन एक सामान्य एआई प्रशिक्षण क्लस्टर एक विशिष्ट कम्प्यूटिंग वर्कलोड की तुलना में सात या आठ गुना अधिक ऊर्जा का उपभोग कर सकता है,” इम्पैक्ट पेपर के प्रमुख लेखक नोमन बशीर कहते हैं, जो कि एक कम्प्यूटिंग और क्लाइमेट इम्पैक्टल स्केरेलिंग (MCSC) (MCSC) (MCSC) (MCSC) और एक पोस्टहॉक्टम (McSc) और एक पोस्टिंग के लिए एक कंप्यूटिंग और क्लाइमेट इम्पैक्टलिटी फेलो है।
वैज्ञानिकों ने अनुमान लगाया है कि उत्तरी अमेरिका में डेटा केंद्रों की शक्ति आवश्यकताएं 2022 के अंत में 2,688 मेगावाट से बढ़कर 2023 के अंत में 5,341 मेगावाट हो गईं, आंशिक रूप से जनरेटिव एआई की मांगों से प्रेरित। वैश्विक स्तर पर, 2022 में डेटा केंद्रों की बिजली की खपत 460 टेरावाट हो गई। इससे सऊदी अरब (371 टेरावाट) और फ्रांस (463 टेरावाट) के देशों के बीच, दुनिया में 11 वें सबसे बड़े बिजली उपभोक्ता, दुनिया में 11 वें सबसे बड़े बिजली उपभोक्ता बना दिया जाएगा।
2026 तक, डेटा केंद्रों की बिजली की खपत 1,050 टेरावाट (जो जापान और रूस के बीच वैश्विक सूची में पांचवें स्थान तक डेटा केंद्रों को टक्कर देगा) के पास पहुंचने की उम्मीद है।
जबकि सभी डेटा सेंटर की गणना में जेनेरिक एआई शामिल नहीं है, प्रौद्योगिकी ऊर्जा की बढ़ती मांगों का एक प्रमुख चालक रही है।
बशीर कहते हैं, “नए डेटा केंद्रों की मांग को एक स्थायी तरीके से पूरा नहीं किया जा सकता है। जिस गति से कंपनियां नए डेटा सेंटर बना रही हैं, उसका मतलब है कि बिजली के थोक को बिजली देने के लिए जीवाश्म ईंधन-आधारित बिजली संयंत्रों से आना चाहिए,” बशीर कहते हैं।
Openai के GPT-3 जैसे मॉडल को प्रशिक्षित करने और तैनात करने के लिए आवश्यक शक्ति का पता लगाना मुश्किल है। 2021 के एक शोध पत्र में, बर्कले में Google और कैलिफोर्निया विश्वविद्यालय के वैज्ञानिकों ने अनुमान लगाया कि प्रशिक्षण प्रक्रिया ने अकेले 1,287 मेगावाट घंटे बिजली की खपत की (एक वर्ष के लिए लगभग 120 औसत अमेरिकी घरों को बिजली देने के लिए पर्याप्त), लगभग 552 टन कार्बन डाइऑक्साइड पैदा करता है।
जबकि सभी मशीन-लर्निंग मॉडल को प्रशिक्षित किया जाना चाहिए, एक मुद्दा जनरेटिव एआई के लिए अद्वितीय है जो ऊर्जा उपयोग में तेजी से उतार-चढ़ाव है जो प्रशिक्षण प्रक्रिया के विभिन्न चरणों में होता है, बशीर बताते हैं।
पावर ग्रिड ऑपरेटरों के पास ग्रिड की रक्षा के लिए उन उतार-चढ़ाव को अवशोषित करने का एक तरीका होना चाहिए, और वे आमतौर पर उस कार्य के लिए डीजल-आधारित जनरेटर को नियुक्त करते हैं।
अनुमान से बढ़ते प्रभाव
एक बार एक जनरेटिव एआई मॉडल को प्रशिक्षित किया जाता है, ऊर्जा की मांग गायब नहीं होती है।
हर बार एक मॉडल का उपयोग किया जाता है, शायद एक व्यक्ति द्वारा एक ईमेल को एक ईमेल को संक्षेप में प्रस्तुत करने के लिए कहा जाता है, कम्प्यूटिंग हार्डवेयर जो उन कार्यों को करता है, ऊर्जा का उपभोग करता है। शोधकर्ताओं ने अनुमान लगाया है कि एक CHATGPT क्वेरी एक साधारण वेब खोज की तुलना में लगभग पांच गुना अधिक बिजली की खपत करता है।
बशीर कहते हैं, “लेकिन एक रोजमर्रा के उपयोगकर्ता इसके बारे में बहुत ज्यादा नहीं सोचते हैं।” “जेनेरिक एआई इंटरफेस का आसानी से उपयोग और मेरे कार्यों के पर्यावरणीय प्रभावों के बारे में जानकारी की कमी का मतलब है कि, एक उपयोगकर्ता के रूप में, मेरे पास जेनेरिक एआई के अपने उपयोग पर वापस कटौती करने के लिए बहुत अधिक प्रोत्साहन नहीं है।”
पारंपरिक एआई के साथ, ऊर्जा उपयोग डेटा प्रोसेसिंग, मॉडल प्रशिक्षण और अनुमान के बीच समान रूप से समान रूप से विभाजित है, जो नए डेटा पर भविष्यवाणियों को करने के लिए एक प्रशिक्षित मॉडल का उपयोग करने की प्रक्रिया है। हालांकि, बशीर को उम्मीद है कि ये मॉडल इतने सारे अनुप्रयोगों में सर्वव्यापी हो रहे हैं, और अनुमान के लिए आवश्यक बिजली के संस्करण में वृद्धि होगी क्योंकि मॉडल के भविष्य के संस्करण बड़े और अधिक जटिल हो जाते हैं।
इसके अलावा, जनरेटिव एआई मॉडल में विशेष रूप से लघु शेल्फ-जीवन होता है, जो नए एआई अनुप्रयोगों की बढ़ती मांग से प्रेरित होता है। कंपनियां हर कुछ हफ्तों में नए मॉडल जारी करती हैं, इसलिए पूर्व संस्करणों को प्रशिक्षित करने के लिए उपयोग की जाने वाली ऊर्जा बेकार हो जाती है, बशीर कहते हैं। नए मॉडल अक्सर प्रशिक्षण के लिए अधिक ऊर्जा का उपभोग करते हैं, क्योंकि उनके पास आमतौर पर अपने पूर्ववर्तियों की तुलना में अधिक पैरामीटर होते हैं।
जबकि डेटा केंद्रों की बिजली की मांगों को अनुसंधान साहित्य में सबसे अधिक ध्यान दिया जा सकता है, इन सुविधाओं द्वारा खपत पानी की मात्रा के पर्यावरणीय प्रभाव भी हैं।
कंप्यूटिंग उपकरणों से गर्मी को अवशोषित करके डेटा सेंटर को ठंडा करने के लिए ठंडा पानी का उपयोग किया जाता है। यह अनुमान लगाया गया है कि, प्रत्येक किलोवाट घंटे ऊर्जा के लिए एक डेटा सेंटर खपत करता है, इसे ठंडा करने के लिए दो लीटर पानी की आवश्यकता होगी, बशीर कहते हैं।
“सिर्फ इसलिए कि इसे ‘क्लाउड कंप्यूटिंग’ कहा जाता है, इसका मतलब यह नहीं है कि हार्डवेयर क्लाउड में रहता है। डेटा सेंटर हमारी भौतिक दुनिया में मौजूद हैं, और उनके पानी के उपयोग के कारण जैव विविधता के लिए उनके प्रत्यक्ष और अप्रत्यक्ष निहितार्थ हैं,” वे कहते हैं।
डेटा सेंटर के अंदर कंप्यूटिंग हार्डवेयर अपने स्वयं के, कम प्रत्यक्ष पर्यावरणीय प्रभाव लाता है।
हालांकि यह अनुमान लगाना मुश्किल है कि GPU के निर्माण के लिए कितनी शक्ति की आवश्यकता होती है, एक प्रकार का शक्तिशाली प्रोसेसर जो गहन जनरेटिव AI वर्कलोड को संभाल सकता है, यह एक सरल CPU का उत्पादन करने के लिए आवश्यक से अधिक होगा क्योंकि निर्माण प्रक्रिया अधिक जटिल है। एक GPU का कार्बन पदचिह्न सामग्री और उत्पाद परिवहन से संबंधित उत्सर्जन द्वारा जटिल है।
GPU को गढ़ने के लिए उपयोग किए जाने वाले कच्चे माल को प्राप्त करने के पर्यावरणीय निहितार्थ भी हैं, जिसमें गंदे खनन प्रक्रियाएं और प्रसंस्करण के लिए विषाक्त रसायनों का उपयोग शामिल हो सकता है।
मार्केट रिसर्च फर्म Techinsights का अनुमान है कि तीन प्रमुख उत्पादकों (NVIDIA, AMD, और INTEL) ने 2023 में डेटा केंद्रों में 3.85 मिलियन GPU को भेज दिया, 2022 में लगभग 2.67 मिलियन से ऊपर। यह संख्या 2024 में और भी अधिक प्रतिशत बढ़ने की उम्मीद है।
उद्योग एक अस्थिर पथ पर है, लेकिन पर्यावरणीय उद्देश्यों का समर्थन करने वाले जेनेरिक एआई के जिम्मेदार विकास को प्रोत्साहित करने के तरीके हैं, बशीर कहते हैं।
वह, ओलिवेटी, और उनके एमआईटी सहयोगियों का तर्क है कि इसके लिए जेनेरिक एआई के सभी पर्यावरणीय और सामाजिक लागतों के व्यापक विचार की आवश्यकता होगी, साथ ही साथ इसके कथित लाभों में मूल्य का एक विस्तृत मूल्यांकन भी होगा।
ओलिवेटी कहते हैं, “हमें इस अंतरिक्ष में नए विकास के निहितार्थों को व्यवस्थित रूप से और व्यापक रूप से समझने के अधिक प्रासंगिक तरीके की आवश्यकता है। जिस गति से सुधार हुए हैं, उसके कारण हमें ट्रेडऑफ को मापने और समझने के लिए अपनी क्षमताओं को पकड़ने का मौका नहीं मिला है,” ओलिवेटी कहते हैं।
।
