दो छात्रों ने एआई के कारण होने वाले CO2 से निपटने के लिए सॉफ्टवेयर विकसित किया

विशेषज्ञ इस बात से सहमत हैं कि कृत्रिम बुद्धिमत्ता (एआई) विकास का वर्तमान मार्ग इसे CO2 के प्रमुख योगदानकर्ताओं में से एक बना देगा, बावजूद इसके कि इसका उपयोग उसी समस्या से निपटने के लिए किया जाता है। इसने उद्योग के विभिन्न हिस्सों को इस बात पर ध्यान केंद्रित करना शुरू कर दिया है कि स्थिति का समाधान कैसे किया जाए, सबसे हालिया विकास में से एक कोपेनहेगन विश्वविद्यालय के दो छात्रों से आया है।

गहन शिक्षण जैसे उन्नत एआई तरीके आश्चर्यजनक दर से विकसित हो रहे हैं, लेकिन यह बड़े पैमाने पर ऊर्जा खपत के स्तर के साथ आता है। जैसे-जैसे यह बढ़ता जा रहा है, एआई प्रौद्योगिकियां और विधियां, विशेष रूप से गहन शिक्षा, संभवतः जलवायु परिवर्तन में महत्वपूर्ण योगदानकर्ता बन जाएंगी। हालाँकि, यह तभी है जब वर्तमान पथ को बदलने के लिए कोई कार्रवाई नहीं की जाती है। 

2012 से 2018 तक, गहन शिक्षण के लिए आवश्यक कम्प्यूटेशनल शक्ति में 300,000% की वृद्धि हुई है। उद्योग की महत्वपूर्ण समस्याओं में से एक यह है कि एल्गोरिदम के विकास के कारण ऊर्जा खपत और कार्बन पदचिह्न को शायद ही कभी मापा जाता है। वहीं, कई अध्ययन इस मुद्दे को विस्तार से बता रहे हैं और कार्रवाई की मांग कर रहे हैं।

कार्बनट्रैकर

इस मुद्दे को संबोधित करने की कोशिश में, कोपेनहेगन विश्वविद्यालय के कंप्यूटर विज्ञान विभाग में लेसे एफ. वोल्फ एंथोनी और बेंजामिन कैंडिंग, सहायक प्रोफेसर राघवेंद्र सेलवन के साथ, ने कार्बनट्रैकर नामक एक नया सॉफ्टवेयर प्रोग्राम विकसित किया है. यह सॉफ़्टवेयर सटीक गणना और भविष्यवाणी कर सकता है कि गहन शिक्षण मॉडल के प्रशिक्षण से कितनी ऊर्जा खपत और CO2 उत्सर्जन होता है। 

"इस क्षेत्र में विकास बेहद तेजी से हो रहा है और गहन शिक्षण मॉडल लगातार बड़े पैमाने पर और अधिक उन्नत होते जा रहे हैं," लेसे एफ. वोल्फ एंथोनी ने कहा। “अभी, तेजी से वृद्धि हो रही है। और इसका मतलब है ऊर्जा की बढ़ती खपत जिसके बारे में ज्यादातर लोग नहीं सोचते।"

गहन शिक्षण मॉडल लगातार विकसित हो रहे हैं और अधिक जटिल समस्याओं से निपट रहे हैं, जिसके लिए ऊर्जा खपत में उल्लेखनीय वृद्धि की आवश्यकता है।

बेंजामिन कैंडिंग कहते हैं, "जैसे-जैसे डेटासेट दिन-प्रतिदिन बड़े होते जाते हैं, एल्गोरिदम को जिन समस्याओं को हल करने की आवश्यकता होती है, वे और अधिक जटिल हो जाती हैं।" 

ओपन सोर्स कार्बनट्रैकर प्रोग्राम पाया जा सकता है यहाँ उत्पन्न करें.

GPT-3

इसका सबसे अच्छा उदाहरण उन्नत भाषा मॉडल GPT-3 है। यह आज तक विकसित सबसे बड़े और सबसे जटिल गहन शिक्षण मॉडलों में से एक है, लेकिन इसकी कीमत चुकानी पड़ती है। GPT-3 के लिए एक वर्ष में 126 डेनिश घरों द्वारा उपयोग की जाने वाली ऊर्जा की समान मात्रा की आवश्यकता होती है, यह सब केवल एक प्रशिक्षण सत्र में होता है। जारी CO2 की मात्रा 700,000 किलोमीटर की ड्राइविंग के बराबर है। 

लेसे एफ. वोल्फ एंथोनी के अनुसार, "कुछ वर्षों के भीतर, संभवतः कई मॉडल होंगे जो कई गुना बड़े होंगे।"

“क्या यह प्रवृत्ति जारी रहनी चाहिए, कृत्रिम बुद्धिमत्ता जलवायु परिवर्तन में एक महत्वपूर्ण योगदानकर्ता बन सकती है। तकनीकी विकास पर ब्रेक लगाना मुद्दा नहीं है। ये विकास हमारी जलवायु में मदद के लिए शानदार अवसर प्रदान करते हैं। इसके बजाय, यह समस्या के प्रति जागरूक होने और सोचने के बारे में है: हम कैसे सुधार कर सकते हैं? बेंजामिन कैंडिंग कहते हैं। 

कार्बनट्रैकर उन क्षेत्रों में ऊर्जा उत्पादन के लिए उपयोग की जाने वाली CO2 की मात्रा को ट्रैक करता है जहां गहन शिक्षण प्रशिक्षण हो रहा है, जिससे ऊर्जा खपत को परिवर्तित करने के बाद CO2 उत्सर्जन की भविष्यवाणी करना संभव हो जाता है।

छात्रों के अनुसार, गहन शिक्षण उपयोगकर्ताओं को इस बात पर ध्यान देना चाहिए कि किस प्रकार के हार्डवेयर और एल्गोरिदम का उपयोग किया जा रहा है और मॉडल प्रशिक्षण कब होता है, क्योंकि बड़े हरित ऊर्जा आपूर्ति वाले क्षेत्र हैं।

“जलवायु प्रभाव को काफी हद तक कम करना संभव है। उदाहरण के लिए, यह प्रासंगिक है यदि कोई अपने मॉडल को एस्टोनिया या स्वीडन में प्रशिक्षित करने का विकल्प चुनता है, जहां हरित ऊर्जा आपूर्ति के कारण मॉडल प्रशिक्षण के कार्बन पदचिह्न को 60 गुना से अधिक कम किया जा सकता है। एल्गोरिदम भी अपनी ऊर्जा दक्षता में बहुत भिन्न होते हैं। कुछ को समान परिणाम प्राप्त करने के लिए कम गणना और इस प्रकार कम ऊर्जा की आवश्यकता होती है। यदि कोई इस प्रकार के मापदंडों को समायोजित कर सकता है, तो चीजें काफी हद तक बदल सकती हैं,'' लेसे एफ. वोल्फ एंथोनी कहते हैं।