जलवायु परिवर्तन से लड़ने के लिए एआई के जोखिम और पुरस्कार

जब कृत्रिम बुद्धिमत्ता का उपयोग स्वास्थ्य सेवा, कृषि, मौसम पूर्वानुमान और अधिक जैसी समस्याओं को हल करने के लिए किया जा रहा है, तो वैज्ञानिक और इंजीनियर यह जांच कर रहे हैं कि एआई का उपयोग जलवायु परिवर्तन से लड़ने के लिए कैसे किया जा सकता है। एआई एल्गोरिदम वास्तव में बेहतर जलवायु मॉडल बनाने और सीओ२ उत्सर्जन को कम करने के अधिक कुशल तरीकों का निर्धारण करने के लिए उपयोग किए जा सकते हैं, लेकिन एआई को अक्सर महत्वपूर्ण कंप्यूटिंग शक्ति की आवश्यकता होती है और इसलिए बहुत अधिक ऊर्जा की खपत होती है। क्या एआई द्वारा खपत की जाने वाली ऊर्जा की मात्रा को कम करना और जलवायु परिवर्तन से लड़ने के लिए इसकी प्रभावशीलता में सुधार करना संभव है?

वर्जीनिया डिग्नम, स्वीडन में उमेआ विश्वविद्यालय में नैतिक कृत्रिम बुद्धिमत्ता के प्रोफेसर, हाल ही में होराइज़न मैगज़ीन द्वारा साक्षात्कार लिया गया था। डिग्नम ने समझाया कि एआई का एक बड़ा पर्यावरणीय प्रभाव हो सकता है जो अनदेखा किया जा सकता है। डिग्नम नेटफ्लिक्स और नेटफ्लिक्स उपयोगकर्ताओं को फिल्में सिफारिश करने के लिए उपयोग किए जाने वाले एल्गोरिदम की ओर इशारा करता है। इन एल्गोरिदम को चलाने और सैकड़ों हजारों उपयोगकर्ताओं को फिल्में सुझाने के लिए, नेटफ्लिक्स को बड़े डेटा सेंटर चलाने की आवश्यकता है। ये डेटा सेंटर एल्गोरिदम को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा को संग्रहीत और प्रोसेस करते हैं।

डिग्नम एक विशेषज्ञ समूह का हिस्सा हैं जो यूरोपीय आयोग को मानव-केंद्रित, नैतिक एआई बनाने के तरीके पर सलाह दे रहे हैं। डिग्नम ने होराइज़न मैगज़ीन को समझाया कि एआई का पर्यावरणीय प्रभाव अक्सर अनदेखा किया जाता है, लेकिन सही परिस्थितियों में, डेटा सेंटर बड़ी मात्रा में सीओ२ के उत्सर्जन के लिए जिम्मेदार हो सकते हैं।

‘यह एक ऐसी ऊर्जा का उपयोग है जिसके बारे में हम वास्तव में नहीं सोचते हैं,’ प्रोफेसर डिग्नम ने होराइज़न मैगज़ीन को समझाया। ‘हमारे पास डेटा फार्म हैं, विशेष रूप से यूरोप के उत्तरी देशों में और कनाडा में, जो विशाल हैं। उनमें से कुछ चीजें एक छोटे शहर के रूप में उतनी ही ऊर्जा का उपयोग करती हैं।’

डिंगम ने उल्लेख किया कि एक अध्ययन, मैसाचुसेट्स विश्वविद्यालय द्वारा किया गया, पाया कि मानव भाषा की व्याख्या करने के लिए एक जटिल एआई बनाने से लगभग 300,000 किलोग्राम सीओ२ के बराबर उत्सर्जन हुआ। यह अमेरिका में औसत कार के प्रभाव का लगभग पांच गुना है। ये उत्सर्जन संभावित रूप से बढ़ सकते हैं, क्योंकि स्वीडिश शोधकर्ता एंडर्स एंड्रे द्वारा किए गए अनुमानों से पता चलता है कि 2025 तक डेटा सेंटर सभी बिजली की खपत का लगभग 10% हिस्सा हो सकते हैं। बड़े डेटा और इसे संभालने के लिए आवश्यक गणना शक्ति के विकास ने एआई के पर्यावरणीय प्रभाव को कई वैज्ञानिकों और पर्यावरणविदों के ध्यान में लाया है।

इन चिंताओं के बावजूद, एआई जलवायु परिवर्तन से लड़ने और उत्सर्जन को सीमित करने में हमारी मदद करने में एक भूमिका निभा सकता है। दुनिया भर के वैज्ञानिक और इंजीनियर जलवायु परिवर्तन के समाधानों को डिज़ाइन करने के लिए एआई का उपयोग करने की वकालत कर रहे हैं। उदाहरण के लिए, प्रोफेसर फेलिक्स क्रूट्ज़िग बर्लिन में ग्लोबल कॉमन्स और जलवायु परिवर्तन पर मर्केटर रिसर्च इंस्टीट्यूट से संबद्ध हैं और क्रूट्ज़िग आशा करते हैं कि वे शहरी वातावरण में स्थानों के उपयोग में सुधार करने के लिए एआई का उपयोग करेंगे। अधिक कुशल स्थान उपयोग शहरी हीट द्वीप जैसे मुद्दों से निपटने में मदद कर सकता है। मशीन लर्निंग एल्गोरिदम का उपयोग हरित स्थानों के लिए इष्टतम स्थिति का निर्धारण करने के लिए किया जा सकता है, या वेंटिलेशन वास्तुकला को डिज़ाइन करते समय हवा के पैटर्न का निर्धारण करने के लिए अत्यधिक गर्मी से लड़ने के लिए। शहरी हरित स्थान कार्बन सिंक की भूमिका निभा सकते हैं।

वर्तमान में, क्रूट्ज़िग स्टैक्ड आर्किटेक्चर के साथ काम कर रहे हैं, जो यांत्रिक मॉडलिंग और मशीन लर्निंग दोनों का उपयोग करता है, यह निर्धारित करने के लिए कि इमारतें तापमान और ऊर्जा मांग के प्रति कैसे प्रतिक्रिया देंगी। क्रूट्ज़िग आशा करते हैं कि उनका काम नए भवन डिज़ाइन की ओर ले जा सकता है जो कम ऊर्जा का उपयोग करते हुए जीवन की गुणवत्ता को बनाए रख सकते हैं।

इसके अलावा, एआई जलवायु परिवर्तन से लड़ने में कई तरीकों से मदद कर सकता है। एक के लिए, एआई का उपयोग बेहतर बिजली प्रणालियों का निर्माण करने के लिए किया जा सकता है जो नवीकरणीय संसाधनों को बेहतर ढंग से एकीकृत कर सकते हैं। एआई का उपयोग पहले से ही वनस्पति विनाश की निगरानी के लिए किया जा चुका है, और इसका उपयोग जारी रखने से कार्बन सिंक के रूप में कार्य करने वाले वनों को संरक्षित करने में मदद मिल सकती है। मशीन लर्निंग एल्गोरिदम का उपयोग व्यक्तिगत कार्बन फुटप्रिंट की गणना करने और इसे कम करने के तरीके सुझाने के लिए किया जा सकता है।

एआई द्वारा खपत की जाने वाली ऊर्जा की मात्रा को कम करने के लिए रणनीतियों में अब उपयोग में नहीं आने वाले डेटा को हटाना, बड़े डेटा स्टोरेज ऑपरेशन की आवश्यकता को कम करना शामिल है। अधिक कुशल एल्गोरिदम और प्रशिक्षण के तरीकों को डिज़ाइन करना भी महत्वपूर्ण है, जिसमें मशीन लर्निंग के लिए एआई विकल्पों का पीछा करना शामिल है, जो अक्सर डेटा भूखा होता है।