कृत्रिम बुद्धिमत्ता ऊर्जा और पानी की बड़ी उपभोक्ता बनती जा रही है। न्यूरोनेटवर्क के विकास का जलवायु पर क्या प्रभाव पड़ता है, इसके लिए निवेशक और वैश्विक अर्थव्यवस्था के लिए कौन से जोखिम और अवसर पैदा होते हैं।
AI की तेज़ी से बढ़ती मांग और ऊर्जा की भूख
पिछले कुछ वर्षों में AI की कम्प्यूटिंग पावर की मांग तेजी से बढ़ी है। सार्वजनिक न्यूरोनेटवर्क जैसे ChatGPT के लॉन्च के बाद से, विश्वभर में व्यवसाय तेजी से कृत्रिम बुद्धिमत्ता के मॉडल को लागू कर रहे हैं, जिसके लिए विशाल डेटा प्रोसेसिंग की आवश्यकता होती है। उद्योग के अनुमानों के अनुसार, 2024 तक AI का वैश्विक डेटा सेंटर की कुल ऊर्जा खपत में 15-20% का योगदान होगा। AI सिस्टम की कार्यप्रणाली के लिए आवश्यक शक्ति 2025 में 23 GW तक पहुँच सकती है - जो कि ब्रिटेन जैसे देश के कुल ऊर्जा खपत के समान है। तुलना में, यह आंकड़ा बिटकॉइन खनन की पूरी नेटवर्क से अधिक ऊर्जा की खपत का संकेत देता है, जो दिखाता है कि AI गणना के सबसे ऊर्जा खपत करने वाले प्रकारों में से एक बन गया है।
यह एक्सपोनेंशियल डायनेमिक तकनीकी कंपनियों द्वारा इंफ्रास्ट्रक्चर में बड़े निवेश के कारण है: लगभग हर हफ्ते नए डेटा सेंटर खोले जा रहे हैं, और हर कुछ महीनों में मशीन लर्निंग के लिए विशेष चिप्स का उत्पादन शुरू हो रहा है। इस तरह के इंफ्रास्ट्रक्चर का विस्तार सीधे उन हजारों सर्वरों के लिए आवश्यक बिजली की खपत में वृद्धि की दिशा में ले जाता है, जो आधुनिक न्यूरोनेटवर्क्स को सेवा प्रदान करते हैं।
शहर स्तर पर उत्सर्जन
इतनी उच्च ऊर्जा खपत स्वाभाविक रूप से महत्वपूर्ण ग्रीनहाउस गैस उत्सर्जन को जोड़ती है, यदि ऊर्जा आंशिक रूप से जीवाश्म ईंधन से प्राप्त की जाती है। एक हालिया अध्ययन के अनुसार, AI 2025 में हर साल 32-80 मिलियन मीट्रिक टन CO2 के लिए जिम्मेदार हो सकता है। यह वास्तव में AI का "कार्बन फुटप्रिंट" पूरे शहर के स्तर पर ले जाता है: उदाहरण के लिए, न्यू यॉर्क के प्रतिवर्ष उत्सर्जन लगभग 50 मिलियन टन CO2 है। पहली बार, एक तकनीक जो पूरी तरह से डिजिटल प्रतीत होती थी, जलवायु पर प्रभाव डालने में बड़े औद्योगिक क्षेत्रों के समान पैमाने को प्रदर्शित कर रही है।
यह महत्वपूर्ण है कि ये अनुमान संवेदनशील माने जाते हैं। वे मुख्य रूप से सर्वरों के काम के लिए बिजली उत्पादन के उत्सर्जन को ध्यान में रखते हैं, जबकि AI का पूरा जीवन चक्र - उपकरण (सर्वर, चिप्स) के उत्पादन से लेकर निपटान तक - एक अतिरिक्त कार्बन फुटप्रिंट बनाता है। यदि AI का उथल-पुथल पहले की गति से जारी रहता है, तो संबंधित उत्सर्जन की मात्रा तेज़ी से बढ़ेगी। यह वैश्विक प्रयासों को ग्रीनहाउस गैसों में कमी के लिए और जटिल बनाता है और तकनीकी कंपनियों के सामने यह चुनौती रखता है कि वे AI के विस्फोटक विकास को अपने कार्बन न्यूट्रलिटी के लक्ष्यों में कैसे समाहित करें।
न्यूरोनेटवर्क का जल फुटप्रिंट
AI की अगली छिपी हुई संसाधन "भूख" पानी है। डेटा सेंटर सर्वर्स और उपकरणों को ठंडा करने के लिए बहुत सारे पानी का उपयोग करते हैं: वाष्पीकरण ठंडा और एयर कंडीशनिंग बिना जल संसाधनों के नहीं हो सकती। सीधे खपत के अलावा, मध्यवर्ती रूप से महत्वपूर्ण मात्रा में पानी की आवश्यकता होती है - बिजली संयंत्रों में टर्बाइनों और रिएक्टरों को ठंडा करने के लिए, जो उस इलेक्ट्रिसिटी का उत्पादन करते हैं जिसे कम्प्यूटिंग क्लस्टर सूंखता है। विशेषज्ञों के अनुमान के अनुसार, 2025 में AI सिस्टम अकेले 312 से 765 बिलियन लीटर पानी खपत कर सकते हैं। यह मानवता द्वारा एक वर्ष में पी जाने वाली पूरी बॉटलवॉटर की मात्रा के बराबर है। इस तरह, न्यूरोनेटवर्क एक विशाल जल फुटप्रिंट बनाते हैं, जो हाल ही में अधिकांश जनता के लिए लगभग अदृश्य था।
आधिकारिक अनुमान प्रायः पूरे चित्र को दर्शाते नहीं हैं। उदाहरण के लिए, अंतर्राष्ट्रीय ऊर्जा एजेंसी ने 2023 में सभी डेटा सेंटरों द्वारा खर्च किए गए लगभग 560 बिलियन लीटर पानी का आंकड़ा प्रस्तुत किया, हालांकि इसमें बिजली संयंत्रों में इस्तेमाल किया गया पानी शामिल नहीं था। AI का वास्तविक जल फुटप्रिंट औपचारिक अनुमानों से कई गुना अधिक हो सकता है। उद्योग के सबसे बड़े खिलाड़ी अभी तक विवरण साझा करने में जल्दी नहीं कर रहे हैं: हाल ही में अपनी AI प्रणाली पर एक रिपोर्ट में Google ने सीधा बताया कि वे तीसरे पक्ष के बिजली संयंत्रों पर पानी के सेवन को अपनी मेट्रिक्स में नहीं मानते। ऐसा दृष्टिकोण आलोचना के लिए खुला है, क्योंकि पानी की एक महत्वपूर्ण मात्रा उसी के लिए खर्च की जाती है जो AI की बिजली जरूरतों को पूरा करने के लिए है।
पहले से ही जल उपभोग का पैमाना कुछ क्षेत्रों में चिंता पैदा कर रहा है। अमेरिका और यूरोप के सूखा प्रभावित क्षेत्रों में समुदाय नए डेटा सेंटरों के निर्माण के खिलाफ आवाज उठा रहे हैं, fearing कि वे स्थानीय स्रोतों से अभी तक उपलब्ध पानी को खींचेंगे। और स्वयं कंपनियाँ भी अपनी सर्वर फार्म की "प्यास" में वृद्धि की शिकायत कर रही हैं: Microsoft ने बताया कि उसके डेटा सेंटरों द्वारा वैश्विक पानी की खपत 2022 में 34% (6.4 बिलियन लीटर) तक बढ़ गई, जो महत्वपूर्ण रूप से AI मॉडल के प्रशिक्षण से संबंधित लोडिंग बढ़ने के कारण है। ये तथ्य यह बताते हैं कि जल तत्व तेजी से डिजिटल इंफ्रास्ट्रक्चर के पर्यावरणीय जोखिमों का आकलन करने में पहले स्थान पर आ रहा है।
प्रौद्योगिकी दिग्जों की अप्रत्यक्षता
पैरेडोक्सिकल है, लेकिन AI के ऊर्जा और जल खपत पर ऐसे प्रभावों के स्तर पर, सार्वजनिक रूप से उपलब्ध डेटा अत्यंत कम है। बड़े तकनीकी कंपनियाँ (Big Tech) अपनी स्थिरता रिपोर्टों में प्रायः उत्सर्जन और संसाधनों के सामूहिक आंकड़े पेश करती हैं, बिना AI से संबंधित हिस्से को विशेष रूप से उजागर किए। डेटा सेंटरों की संचालन के बारे में विस्तृत जानकारी - जैसे कि कितनी ऊर्जा या पानी वास्तव में न्यूरोनेटवर्क को गणना करने के लिए खर्च होती है - आम तौर पर कंपनियों के अंदर रहती है। "अप्रत्यक्ष" खपत के बारे में जानकारी, जैसे कि डेटा सेंटरों की आवश्यकताओं के लिए बिजली बनाने में खर्च किए जाने वाले पानी का डेटा, लगभग अनुपस्थित है।
नतीजतन, शोधकर्ताओं और विश्लेषकों को जैसे जासूसों की तरह कार्य करना पड़ता है, अव्यवस्थित डेटा के आधार पर चित्र को पुनः उत्पन्न करते हैं: कॉर्पोरेट प्रस्तुतियों के टुकड़ों, AI के लिए बेचे गए सर्वर चिप्स की मात्रा के अनुमानों, ऊर्जा कंपनियों के आंकड़ों, और अन्य अप्रत्यक्ष संकेतकों के माध्यम से। ऐसी अप्रत्यक्षता AI के पर्यावरणीय फुटप्रिंट के पूर्ण पैमाने को समझने को कठिन बनाती है। विशेषज्ञों का आग्रह है कि जानकारी को प्रकट करने के लिए कड़े मानकों की आवश्यकता है: कंपनियों को अपने डेटा सेंटरों के ऊर्जा और जल उपयोग को प्रमुख क्षेत्रों के अनुसार रिपोर्ट करना चाहिए, जिसमें AI शामिल है। ऐसी पारदर्शिता समाज और निवेशकों को नई तकनीकों के प्रभाव का वस्तुनिष्ठ मूल्यांकन करने की अनुमति देगी और उद्योग को पर्यावरण पर प्रभाव कम करने के लिए नए रास्ते खोजने को प्रेरित करेगी।
पर्यावरणीय जोखिम
यदि वर्तमान प्रवृत्तियाँ जारी रहीं, तो AI की बढ़ती "भूख" मौजूदा पर्यावरणीय समस्याओं को बढ़ा सकती है। हर साल अतिरिक्त करोड़ों टन ग्रीनहाउस गैसों का उत्सर्जन पेरिस जलवायु समझौते के लक्ष्यों को पूरा करने को और अधिक जटिल बना देगा। हजारों अरब लीटर मीठे पानी की खपत वैश्विक जल संसाधनों की कमी के बीच होगी, जो 2030 तक 56% तक पहुँच सकती है। दूसरे शब्दों में, अगर स्थिरता के उपाय नहीं किए गए, तो AI का विस्तार पर्यावरणीय सीमाओं के साथ टकराने का खतरा बन सकता है।
यदि कुछ नहीं किया गया, तो ऐसे प्रवृत्तियों के कुछ नकारात्मक परिणाम हो सकते हैं:
- ग्रीनहाउस उत्सर्जन में वृद्धि के कारण वैश्विक तापमान में वृद्धि।
- कुछ पहले से ही सूखा प्रभावित क्षेत्रों में मीठे पानी की कमी।
- सीमित संसाधनों को लेकर ऊर्जा प्रणालियों पर दबाव और सामाजिक-पर्यावरणीय संघर्षों में वृद्धि।
पहले से ही स्थानीय समुदाय और सरकारी प्राधिकरण इन चुनौतियों का सामना करने के लिए कदम उठा रहे हैं। कई देशों में "ऊर्जा-खपत करने वाले" डेटा सेंटरों के निर्माण पर सीमाएं लगाई जा रही हैं, पानी की पुनर्चक्रण प्रणाली का उपयोग करने की मांग की जा रही है या नवीकरणीय ऊर्जा खरीदने की आवश्यकता हो रही है। विशेषज्ञों का कहना है कि बिना महत्वपूर्ण परिवर्तनों के, AI उद्योग पूरी तरह से डिजिटल क्षेत्र से भौतिक पर्यावरणीय संकटों के स्रोत में बदलने का खतरा है - सूखे से लेकर जलवायु योजनाओं के विफल होने तक।
निवेशकों का दृष्टिकोण: ESG कारक
AI के तेजी से विकास के पारिस्थितिकीय पहलू निवेशकों के लिए भी越来越 महत्वपूर्ण होते जा रहे हैं। एक ऐसे युग में जब ESG (पर्यावरणीय, सामाजिक और गवर्नेंस फैक्टर) के सिद्धांत प्रमुखता हासिल कर रहे हैं, प्रौद्योगिकियों के कार्बन और जल फुटप्रिंट सीधे कंपनियों के मूल्यांकन को प्रभावित करते हैं। निवेशक सवाल उठाते हैं: क्या "ग्रीन" नीति की ओर मोड़ से AI पर दांव लगाने वाली कंपनियों के लिए लागत में वृद्धि होगी? उदाहरण के लिए, कार्बन विनियमन को कड़ा करने या जल उपयोग पर शुल्क लगाने से उन कंपनियों के लिए खर्च बढ़ सकते हैं, जिनकी न्यूरोनेटवर्क सेवाएँ बहुत ज्यादा ऊर्जा और पानी खींचती हैं।
दूसरी ओर, जो कंपनियाँ पहले से ही AI के पर्यावरणीय प्रभाव को कम करने में निवेश कर रही हैं, वे लाभ उठा सकती हैं। डेटा सेंटरों का नवीकरणीय ऊर्जा की ओर मोड़, चिप्स और सॉफ़्टवेयर में सुधार जो ऊर्जा दक्षता को बढ़ाते हैं, और पुन: उपयोग प्रणाली का कार्यान्वयन, जोखिम को कम करते हैं और प्रतिष्ठा को बेहतर बनाते हैं। बाजार स्थिरता में प्रगति को उच्च मूल्य देता है: दुनिया भर में निवेशक अपने व्यवसाय मूल्यांकन मॉडल में पारिस्थितिकीय मेट्रिक्स को शामिल कर रहे हैं। इसलिए टेक्नोलॉजी लीडर्स के लिए एक महत्वपूर्ण प्रश्न है: वे AI की क्षमता कैसे बढ़ा सकते हैं, जबकि समाज की स्थिरता की अपेक्षाओं के अनुसार खरे भी रह सकते हैं? जो लोग नवाचार और प्राकृतिक संसाधनों के प्रति जिम्मेदार दृष्टिकोण के बीच संतुलन खोजेंगे, वे दीर्घकालिक दृष्टिकोन से जीतेंगे - छवि के दृष्टिकोण से भी और व्यवसाय की कीमत के दृष्टिकोण से भी।
सतत AI की दिशा
समस्याओं के पैमाने के बावजूद, उद्योग के पास AI के विकास को स्थिरता के चैनल में डुबोने के अवसर हैं। विश्व तकनीकी कंपनियाँ और शोधकर्ता पहले से ही ऐसे समाधान पर काम कर रहे हैं जो बिना नवाचार को धीमा किए, AI के पर्यावरणीय फुटप्रिंट को कम कर सकते हैं। प्रमुख रणनीतियों में शामिल हैं:
- मॉडल और उपकरणों की ऊर्जा दक्षता बढ़ाना। मशीन लर्निंग कार्यों को कम ऊर्जा खपत में निष्पादित करने वाले अनुकूलित एल्गोरिदम और विशेष चिप्स (ASIC, TPU आदि) का विकास।
- स्वच्छ ऊर्जा के स्रोतों की ओर बढ़ना। डेटा सेंटरों को शक्ति देने के लिए नवीकरणीय संसाधनों (सौर, पवन, जल और परमाणु ऊर्जा) से ऊर्जा का उपयोग करना, ताकि AI के परिचालन से कार्बन उत्सर्जन को शून्य पर लाया जा सके। कई आईटी दिग्गज पहले से ही अपनी जरूरतों के लिए साफ ऊर्जा खरीदने के लिए "हरे" अनुबंध कर रहे हैं।
- जल खपत में कमी और पुनर्चक्रण। नए ठंडा करने वाले सिस्टम (तरल, इमर्शन) को लागू करना, जो कई गुना कम पानी की मांग करते हैं, और तकनीकी पानी का पुन: उपयोग। डेटा सेंटर निर्माण के लिए स्थानों का चयन जल स्थिति के आधार पर करना: ठंडी जलवायु या उचित जल संसाधनों वाले क्षेत्रों को प्राथमिकता देना। अध्ययन दर्शाते हैं कि स्थान और ठंडक प्रौद्योगिकी के चयन का सावधानीपूर्वक निर्णय डेटा सेंटर के जल और कार्बन फुटप्रिंट को 70-85% तक कम करने में सक्षम है।
- पारदर्शिता और लेखा। AI इंफ्रास्ट्रक्चर द्वारा ऊर्जा खपत और जल उपयोग के डेटा की अनिवार्य निगरानी और खुलासा। सार्वजनिक लेखा कंपनियों को संसाधनों के प्रबंधन को अधिक प्रभावी ढंग से करने के लिए प्रेरित करता है और निवेशकों को पारिस्थितिकी पर भार कम करने की प्रगति को ट्रैक करने की अनुमति देता है।
- संसाधनों के प्रबंधन के लिए AI का प्रयोग। पैरेडोक्सिकल है, लेकिन स्वयं कृत्रिम बुद्धिमत्ता इस समस्या को हल करने में मदद कर सकती है। मशीन लर्निंग के एल्गोरिदम पहले से ही डेटा सेंटरों में ठंडक को अनुकूलित करने, लोडिंग की भविष्यवाणी करने और कार्यों का वितरण इस तरह से करने के लिए उपयोग किए जा रहे हैं कि नेटवर्क पर पीक लोड को कम किया जा सके और सर्वरों के उपयोग की दक्षता को बढ़ाया जा सके।
अगले कुछ साल स्थिरता के सिद्धांतों को तेजी से बढ़ते AI क्षेत्र के मूल में समाहित करने के लिए निर्णायक होंगे। उद्योग एक मोड़ पर खड़ा है: या तो भूतल पर जारी रहकर पर्यावरणीय बाधाओं का सामना करने का जोखिम उठाना, या समस्या को नई प्रौद्योगिकियों और व्यापार मॉडल के लिए प्रेरणा में बदलना। यदि पारदर्शिता, नवाचार और संसाधनों के प्रति जिम्मेदार दृष्टिकोण AI रणनीतियों का एक अनिवार्य हिस्सा बन जाते हैं, तो "डिजिटल दिमाग" पृथ्वी की देखभाल के साथ विकसित हो सकेगा। इस तरह का संतुलन निवेशकों और समाज की अपेक्षा है कि नई तकनीकी युग से आएगा।
