क्या कृत्रिम बुद्धिमत्ता बिना प्रदर्शन से समझौता किए पर्यावरण-अनुकूल बन सकती है?

कृत्रिम बुद्धिमत्ता स्वास्थ्य से लेकर वित्त तक कई क्षेत्रों को बदल रही है, जिससे दक्षता और स्वचालन में सुधार हो रहा है। हालांकि, यह क्रांति अधिक जटिल और ऊर्जा-गहन मॉडलों पर आधारित है। 2012 से, इन मॉडलों को प्रशिक्षित करने के लिए आवश्यक गणना की आवश्यकताएं हर तीन से चार महीने में लगभग दोगुनी हो गई हैं, जो मूरे के नियम की भविष्यवाणियों से कहीं अधिक तेज़ है। यह घातकीय वृद्धि एक प्रमुख चुनौती खड़ी करती है: तकनीकी प्रगति को पर्यावरण संरक्षण के साथ कैसे संतुलित किया जाए?

आज कृत्रिम बुद्धिमत्ता का पर्यावरणीय प्रभाव नकारा नहीं जा सकता। एक बड़े मॉडल को प्रशिक्षित करने में एक साल में सैकड़ों घरों द्वारा खपत की जाने वाली बिजली के बराबर ऊर्जा खर्च हो सकती है और हज़ारों टन CO₂ का उत्सर्जन हो सकता है। उदाहरण के लिए, GPT-3 को प्रशिक्षित करने के लिए लगभग 1,300 मेगावाट-घंटे बिजली की आवश्यकता थी, जो 120 अमेरिकी घरों की वार्षिक खपत के बराबर है। ये आंकड़े इस बात पर जोर देते हैं कि हमें कृत्रिम बुद्धिमत्ता को विकसित करने और उपयोग करने के तरीके पर पुनर्विचार करने की आवश्यकता है।

इस वास्तविकता के सामने, एक नया दृष्टिकोण उभर रहा है: हरित कृत्रिम बुद्धिमत्ता। पारंपरिक कृत्रिम बुद्धिमत्ता, जो प्रदर्शन को सर्वोपरि रखती है, के विपरीत, हरित कृत्रिम बुद्धिमत्ता मॉडलों के पर्यावरणीय पदचिह्न को कम करने का प्रयास करती है, जबकि उनकी दक्षता बनाए रखती है। इसमें हल्की वास्तुकला, अनुकूलित एल्गोरिदम और संसाधनों का बेहतर प्रबंधन शामिल है। उदाहरण के लिए, EcoFormer या EfficientFormer-V2 जैसे मॉडलों ने दिखाया है कि 60% ऊर्जा खपत को कम किया जा सकता है बिना सटीकता में महत्वपूर्ण हानि के।

हरित कृत्रिम बुद्धिमत्ता केवल तकनीकी अनुकूलन तक सीमित नहीं है। यह सामाजिक और आर्थिक आयाम को भी शामिल करती है, जिससे कम संसाधनों वाले शोधकर्ताओं और संगठनों के लिए मॉडल सुलभ हो जाते हैं। इससे नवाचार तक पहुंच का लोकतंत्रीकरण होता है और तकनीकी शक्ति को कुछ बड़ी कंपनियों के हाथों में केंद्रित होने से रोका जा सकता है।

अधिक हरित कृत्रिम बुद्धिमत्ता की ओर प्रगति को मापने के लिए सटीक संकेतकों की आवश्यकता है। ऊर्जा खपत, कार्बन पदचिह्न, डेटा केंद्रों के शीतलन के लिए पानी का उपयोग और भौतिक संसाधनों की दक्षता जैसे मानदंडों को ध्यान में रखा जाना चाहिए। CarbonTracker या CodeCarbon जैसे उपकरण इन संकेतकों को ट्रैक करने और मॉडलों के पर्यावरणीय प्रभाव का मूल्यांकन करने में मदद करते हैं।

हालांकि, वास्तव में टिकाऊ कृत्रिम बुद्धिमत्ता की ओर का रास्ता चुनौतियों से भरा है। तकनीकी चुनौतियां, जैसे कि मापन उपकरणों की विभिन्न प्रकार के हार्डवेयर के साथ संगतता, या आर्थिक और राजनीतिक बाधाएं, अभी भी इस संक्रमण को धीमा कर रही हैं। फिर भी, हालिया प्रगति दिखाती है कि हरित कृत्रिम बुद्धिमत्ता कोई कल्पना नहीं, बल्कि प्रौद्योगिकी और ग्रह के भविष्य के लिए एक आवश्यकता है।

स्रोत और क्रेडिट

स्रोत अध्ययन

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

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

जर्नल: Archives of Computational Methods in Engineering

प्रकाशक: Springer Science and Business Media LLC

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