কৃত্রিম বুদ্ধিমত্তা কি পরিবেশবান্ধব হওয়া সম্ভব পারফরম্যান্সের ক্ষতি না করে?

কৃত্রিম বুদ্ধিমত্তা স্বাস্থ্য থেকে অর্থনীতির বিভিন্ন ক্ষেত্রে রূপান্তর ঘটাচ্ছে, দক্ষতা এবং স্বয়ংক্রিয়তা বৃদ্ধি করে। তবে এই বিপ্লব ক্রমবর্ধমান জটিল এবং শক্তি-নিবিড় মডেলের উপর নির্ভর করে। ২০১২ সাল থেকে, এই মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য প্রয়োজনীয় গণনাগত চাহিদা প্রায় প্রতি তিন থেকে চার মাসে দ্বিগুণ হয়েছে, যা মুরের সূত্রের পূর্বাভাসের তুলনায় অনেক দ্রুত। এই ঘাতক বৃদ্ধি একটি প্রধান চ্যালেঞ্জ তৈরি করে: প্রযুক্তিগত অগ্রগতি এবং পরিবেশ সংরক্ষণের মধ্যে সামঞ্জস্য কীভাবে সম্ভব?

কৃত্রিম বুদ্ধিমত্তার পরিবেশগত প্রভাব এখন অস্বীকারযোগ্য। একটি বড় মডেলকে প্রশিক্ষণ দেওয়া এক বছরে শত শত পরিবারের বিদ্যুৎ খরচের সমান বিদ্যুৎ খরচ করতে পারে এবং হাজার হাজার টন কার্বন ডাই অক্সাইড নিঃসরণ করতে পারে। উদাহরণস্বরূপ, GPT-3 কে প্রশিক্ষণ দেওয়ার জন্য প্রায় ১,৩০০ মেগাওয়াট-ঘণ্টা বিদ্যুৎ প্রয়োজন হয়েছিল, যা প্রায় ১২০টি আমেরিকান বাড়ির বার্ষিক বিদ্যুৎ খরচের সমান। এই সংখ্যাগুলি কৃত্রিম বুদ্ধিমত্তা বিকাশ এবং ব্যবহারের পদ্ধতিকে পুনর্বিবেচনা করার জরুরিতার উপর জোর দেয়।

এই বাস্তবতার মুখোমুখি হয়ে একটি নতুন পদ্ধতি উদ্ভূত হয়েছে: গ্রিন এআই। ঐতিহ্যগত কৃত্রিম বুদ্ধিমত্তা, যা পারফরম্যান্সকে সর্বোচ্চ প্রাধান্য দেয়, তার বিপরীতে গ্রিন এআই মডেলগুলির পরিবেশগত প্রভাব কমাতে চায় এবং তাদের কার্যকারিতা বজায় রাখে। এটি হালকা আর্কিটেকচার, অপ্টিমাইজড অ্যালগরিদম এবং সম্পদের ভালো ব্যবস্থাপনার মাধ্যমে সম্ভব। উদাহরণস্বরূপ, EcoFormer বা EfficientFormer-V2 মডেলগুলি দেখিয়েছে যে শক্তি খরচ ৬০% কমিয়ে ফেলা সম্ভব, কোনো উল্লেখযোগ্য নির্ভুলতার ক্ষতি ছাড়াই।

গ্রিন এআই শুধুমাত্র প্রযুক্তিগত অপ্টিমাইজেশনের মধ্যে সীমাবদ্ধ নয়। এটি সামাজিক এবং অর্থনৈতিক মাত্রাও অন্তর্ভুক্ত করে, সম্পদে কম সুবিধাপ্রাপ্ত গবেষক এবং সংস্থাগুলির জন্য মডেলগুলিকে অ্যাক্সেসযোগ্য করে তোলে। এটি উদ্ভাবনের প্রবেশাধিকার গণতন্ত্রায়ন করে এবং কয়েকটি বড় কোম্পানির হাতে প্রযুক্তিগত ক্ষমতার কেন্দ্রীভবন সীমিত করে।

আরও পরিবেশবান্ধব কৃত্রিম বুদ্ধিমত্তার দিকে অগ্রগতি পরিমাপের জন্য সুনির্দিষ্ট সূচক প্রয়োজন। শক্তি খরচ, কার্বন পদচিহ্ন, ডেটা সেন্টার কুলিং-এর জন্য জলের ব্যবহার এবং হার্ডওয়্যারের সম্পদ দক্ষতা বিবেচনা করার মতো বিভিন্ন মানদণ্ড রয়েছে। CarbonTracker বা CodeCarbon-এর মতো টুলগুলি এই সূচকগুলি ট্র্যাক করতে এবং মডেলগুলির পরিবেশগত প্রভাব মূল্যায়ন করতে সাহায্য করে।

তবে, একটি সত্যিকার অর্থে টেকসই কৃত্রিম বুদ্ধিমত্তার পথে অনেক বাধা রয়েছে। প্রযুক্তিগত চ্যালেঞ্জ, যেমন বিভিন্ন ধরনের হার্ডওয়্যারের সাথে মাপকাঠির সামঞ্জস্য, বা অর্থনৈতিক এবং রাজনৈতিক বাধাগুলি এই রূপান্তরকে বিলম্বিত করছে। তবুও, সাম্প্রতিক অগ্রগতিগুলি দেখায় যে গ্রিন এআই কোনো স্বপ্ন নয়, বরং প্রযুক্তি এবং গ্রহের ভবিষ্যতের জন্য এটি একটি প্রয়োজনীয়তা।

Sources et crédits

Étude source

DOI : https://doi.org/10.1007/s11831-026-10546-2

Titre : Green Artificial Intelligence: A Comprehensive Review of Metrics, Tools, Challenges, Trends, and Future Prospects

Revue : Archives of Computational Methods in Engineering

Éditeur : Springer Science and Business Media LLC

Auteurs : Pejman Peykani; Ali Emrouznejad; Sanly Ghanidel; Iman Javadi-Sisi; Seyedali Mirjalili