जलवायु परिवर्तन से लड़ने के लिए एआई के जोखिम और पुरस्कार

क्योंकि कृत्रिम बुद्धिमत्ता का उपयोग स्वास्थ्य सेवा, कृषि, मौसम पूर्वानुमान और अधिक जैसी समस्याओं को हल करने के लिए किया जा रहा है, 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 कार्बन डाइऑक्साइड उत्सर्जन को कम करने के अधिक कुशल तरीकों का निर्धारण करने के लिए उपयोग किए जा सकते हैं, लेकिन एआई स्वयं अक्सर महत्वपूर्ण कंप्यूटिंग शक्ति की आवश्यकता होती है और इसलिए बहुत अधिक ऊर्जा की खपत करता 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?

स्वीडन में उमेआ विश्वविद्यालय में नैतिक कृत्रिम बुद्धिमत्ता के प्रोफेसर वर्जीनिया डिग्नम को 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 सुझाने 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 केंद्र चलाने की आवश्यकता होती है। ये डेटा केंद्र 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 केंद्र बड़ी मात्रा में कार्बन डाइऑक्साइड के उत्सर्जन के लिए जिम्मेदार हो सकते हैं।

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

डिग्नम ने उल्लेख किया कि मैसाचुसेट्स विश्वविद्यालय द्वारा किए गए एक अध्ययन में पाया गया कि मानव भाषा की व्याख्या करने के लिए एक जटिल एआई बनाने से लगभग 300,000 किलोग्राम कार्बन डाइऑक्साइड के बराबर उत्सर्जन होता है। यह अमेरिका में औसत कार के प्रभाव का लगभग पांच गुना है। ये उत्सर्जन बढ़ सकते हैं, क्योंकि स्वीडिश शोधकर्ता एंडर्स एंड्रे द्वारा किए गए अनुमानों से पता चलता है कि 2025 तक डेटा केंद्र लगभग 10% बिजली की खपत के लिए जिम्मेदार हो सकते हैं। बड़े डेटा और इसे संभालने के लिए आवश्यक कंप्यूटेशनल शक्ति की वृद्धि ने एआई के पर्यावरणीय प्रभाव को कई वैज्ञानिकों और पर्यावरणविदों का ध्यान आकर्षित किया है।

इन चिंताओं के बावजूद, एआई जलवायु परिवर्तन से लड़ने और उत्सर्जन को सीमित करने में मदद कर सकता है। दुनिया भर के वैज्ञानिक और इंजीनियर जलवायु परिवर्तन के समाधानों को डिजाइन करने के लिए एआई का उपयोग करने की वकालत कर रहे हैं। उदाहरण के लिए, प्रोफेसर फेलिक्स क्रुट्ज़िग बर्लिन में ग्लोबल कॉमन्स और जलवायु परिवर्तन पर मर्केटर रिसर्च इंस्टीट्यूट से जुड़े हुए हैं और क्रुट्ज़िग शहरी वातावरण में स्थानों के उपयोग में सुधार करने के लिए एआई का उपयोग करना चाहते हैं। शहरी गर्मी द्वीप जैसे मुद्दों से निपटने में अधिक कुशल स्थान उपयोग मदद कर सकता है। मशीन लर्निंग एल्गोरिदम का उपयोग हरित स्थानों के लिए इष्टतम स्थिति निर्धारित करने या वेंटिलेशन आर्किटेक्चर को डिजाइन करने के लिए हवा के पैटर्न का निर्धारण करने के लिए भी किया जा सकता है। शहरी हरित स्थान कार्बन सिंक की भूमिका निभा सकते हैं।

वर्तमान में, क्रुट्ज़िग स्टैक्ड आर्किटेक्चर पर काम कर रहे हैं, जो यांत्रिक मॉडलिंग और मशीन लर्निंग दोनों का उपयोग करता है, जिसका उद्देश्य यह निर्धारित करना है कि इमारतें तापमान और ऊर्जा मांग के प्रति कैसे प्रतिक्रिया देंगी। क्रुट्ज़िग उम्मीद करते हैं कि उनका काम नए भवन डिजाइनों को जन्म दे सकता है जो कम ऊर्जा का उपयोग करते हुए जीवन की गुणवत्ता बनाए रख सकते हैं।

इसके अलावा, एआई जलवायु परिवर्तन से लड़ने में कई तरह से मदद कर सकता है। उदाहरण के लिए, एआई का उपयोग नवीकरणीय संसाधनों को बेहतर ढंग से एकीकृत करने वाली बेहतर बिजली प्रणालियों का निर्माण करने के लिए किया जा सकता है। एआई का उपयोग पहले से ही वनस्पति विनाश की निगरानी के लिए किया जा चुका है, और इसका उपयोग इस कार्य के लिए जारी रखने से वनों को संरक्षित करने में मदद मिल सकती है जो कार्बन सिंक के रूप में कार्य करते हैं। मशीन लर्निंग एल्गोरिदम का उपयोग व्यक्ति के कार्बन फुटप्रिंट की गणना करने और इसे कम करने के तरीके सुझाने के लिए भी 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 संग्रहण संचालन की आवश्यकता को कम करना शामिल है। अधिक कुशल एल्गोरिदम और प्रशिक्षण के तरीकों को डिजाइन करना भी महत्वपूर्ण है, जिसमें मशीन लर्निंग के विकल्प के रूप में एआई का पीछा करना शामिल है, जो आमतौर पर डेटा के भूखे होते हैं।