दो छात्रों ने कार्बनट्रैकर सॉफ्टवेयर विकसित किया जो एआई द्वारा उत्पन्न कार्बन डाइऑक्साइड को कम करने में मदद कर सकता है

विशेषज्ञों का मानना है कि वर्तमान में कृत्रिम बुद्धिमत्ता (एआई) के विकास की दिशा इसे कार्बन डाइऑक्साइड के प्रमुख योगदानकर्ताओं में से एक बना देगी,尽管 इसका उपयोग इस समस्या का समाधान करने के लिए किया जा रहा है। इससे उद्योग के विभिन्न हिस्सों ने इस स्थिति का समाधान करने के तरीकों पर ध्यान केंद्रित करना शुरू कर दिया है, जिनमें से एक最近 का विकास कोपेनहेगन विश्वविद्यालय के दो छात्रों द्वारा किया गया है।

गहरे शिक्षण जैसी उन्नत एआई विधियों का विकास आश्चर्यजनक दर से हो रहा है, लेकिन इसके साथ बड़े पैमाने पर ऊर्जा की खपत भी होती है। जब यह बढ़ता रहता है, तो एआई प्रौद्योगिकियां और विधियां, विशेष रूप से गहरे शिक्षण, जलवायु परिवर्तन में एक महत्वपूर्ण योगदानकर्ता बन सकती हैं। हालांकि, यह केवल तभी होगा जब वर्तमान पथ को बदलने के लिए कोई कार्रवाई नहीं की जाती है।

2012 से 2018 तक, गहरे शिक्षण के लिए आवश्यक गणनात्मक शक्ति में 300,000% की वृद्धि हुई है। उद्योग की एक बड़ी समस्या यह है कि ऊर्जा की खपत और कार्बन फुटप्रिंट को अक्सर नहीं मापा जाता है, जबकि कई अध्ययन इस मुद्दे को उजागर कर रहे हैं और कार्रवाई का आह्वान कर रहे हैं।

कार्बनट्रैकर

इस समस्या का समाधान करने के प्रयास में, लासे एफ. वोल्फ एंथोनी और बेंजामिन कैंडिंग, कोपेनहेगन विश्वविद्यालय के कंप्यूटर विज्ञान विभाग में, सहायक प्रोफेसर राघवेंद्र सेल्वन के साथ, कार्बनट्रैकर नामक एक नया सॉफ्टवेयर प्रोग्राम विकसित किया है। यह सॉफ्टवेयर गहरे शिक्षण मॉडलों से उत्पन्न ऊर्जा की खपत और कार्बन डाइऑक्साइड उत्सर्जन की सटीक गणना और भविष्यवाणी कर सकता है।

“इस क्षेत्र में विकास बहुत तेजी से हो रहा है और गहरे शिक्षण मॉडल लगातार बड़े पैमाने पर और अधिक जटिल होते जा रहे हैं,” लासे एफ. वोल्फ एंथोनी ने कहा। “वर्तमान में, यहां एक्सपोनेंशियल वृद्धि हो रही है। और इसका मतलब है कि ऊर्जा की खपत में वृद्धि, जिसके बारे में अधिकांश लोग नहीं सोचते हैं।”

गहरे शिक्षण मॉडल लगातार बढ़ रहे हैं और अधिक जटिल समस्याओं का सामना कर रहे हैं, जिसके लिए ऊर्जा की खपत में महत्वपूर्ण वृद्धि की आवश्यकता होती है।

“डेटासेट दिन-प्रतिदिन बड़े हो रहे हैं, और जिन समस्याओं का समाधान एल्गोरिदम को करना होता है, वे अधिक जटिल होती जा रही हैं,” बेंजामिन कैंडिंग ने कहा।

कार्बनट्रैकर प्रोग्राम को यहां खोजा जा सकता है।

जीपीटी-3

इसी तरह का एक उदाहरण है जीपीटी-3 नामक उन्नत भाषा मॉडल। यह अब तक विकसित सबसे बड़े और सबसे जटिल गहरे शिक्षण मॉडलों में से एक है, लेकिन इसके साथ एक बड़ा ऊर्जा खपत का खर्चा भी है। जीपीटी-3 को प्रशिक्षित करने के लिए एक सत्र में 126 डेनिश घरों द्वारा एक वर्ष में उपयोग की जाने वाली ऊर्जा की समान मात्रा की आवश्यकता होती है। उत्पन्न कार्बन डाइऑक्साइड की मात्रा 700,000 किलोमीटर ड्राइविंग के बराबर है।

लासे एफ. वोल्फ एंथोनी के अनुसार, “कुछ वर्षों में, संभवतः कई मॉडल होंगे जो कई गुना बड़े होंगे।”

“यदि यह रुझान जारी रहता है, तो कृत्रिम बुद्धिमत्ता जलवायु परिवर्तन में एक महत्वपूर्ण योगदानकर्ता बन सकती है,” बेंजामिन कैंडिंग ने कहा। “प्रौद्योगिकी विकास पर ब्रेक लगाना बिंदु नहीं है। ये विकास हमारे जलवायु की मदद के लिए अद्भुत अवसर प्रदान करते हैं। इसके बजाय, यह समस्या के बारे में जागरूक होने और सोचने के बारे में है: हम इसे कैसे बेहतर बना सकते हैं?”

कार्बनट्रैकर गहरे शिक्षण प्रशिक्षण के दौरान ऊर्जा की खपत को ट्रैक करता है और कार्बन डाइऑक्साइड उत्सर्जन की भविष्यवाणी करने के लिए ऊर्जा की खपत को परिवर्तित करने में मदद करता है।

छात्रों के अनुसार, गहरे शिक्षण उपयोगकर्ताओं को यह देखने के लिए ध्यान देना चाहिए कि किस प्रकार के हार्डवेयर और एल्गोरिदम का उपयोग किया जा रहा है और जब मॉडल प्रशिक्षण होता है, क्योंकि कुछ क्षेत्रों में अधिक हरित ऊर्जा स्रोत होते हैं।

“कार्बन फुटप्रिंट को काफी कम किया जा सकता है,” लासे एफ. वोल्फ एंथोनी ने कहा। “उदाहरण के लिए, यदि कोई एस्टोनिया या स्वीडन में अपने मॉडल को प्रशिक्षित करने का विकल्प चुनता है, तो हरित ऊर्जा स्रोतों के कारण मॉडल प्रशिक्षण का कार्बन फुटप्रिंट 60 गुना तक कम हो सकता है। एल्गोरिदम भी अपनी ऊर्जा दक्षता में बहुत भिन्न होते हैं। कुछ कम गणना की आवश्यकता होती है, और इस प्रकार कम ऊर्जा की आवश्यकता होती है, समान परिणाम प्राप्त करने के लिए। यदि कोई इन प्रकार के पैरामीटर को समायोजित कर सकता है, तो चीजें काफी बदल सकती हैं,” लासे एफ. वोल्फ एंथोनी ने कहा।