Green Architectural Tactics in ML-enabled Systems: An LLM-based Repository Mining Study
यह अध्ययन ज्ञात ग्रीन एआई (green AI) युक्तियों के वास्तविक दुनिया में अपनाव को मान्य करने और मशीन लर्निंग सिस्टम के पर्यावरणीय प्रभाव को कम करने के लिए नौ पूर्व में अज्ञात टिकाऊ प्रथाओं की खोज करने हेतु 205 गिटहब (GitHub) रिपॉजिटरी पर एक एलएलएम (LLM)-आधारित माइनिंग दृष्टिकोण का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, उच्च-तकनीकी कारखाना बना रहे हैं। यह कारखाना कारें या खिलौने नहीं बनाता; यह बुद्धिमत्ता (Intelligence) बनाता है। यह एक मशीन लर्निंग (ML) सिस्टम है।
लंबे समय तक, कारखाना प्रबंधकों के लिए केवल एक ही बात मायने रखती थी: "क्या बुद्धिमत्ता पर्याप्त स्मार्ट है?" यदि उत्तर हाँ था, तो उन्हें इस बात से कोई फर्क नहीं पड़ता था कि कारखाना कितनी बिजली जला रहा है या आसमान में कितना कार्बन धुआं छोड़ रहा है। वे एक ऐसे शेफ की तरह थे जिसे केवल इस बात से मतलब है कि केक का स्वाद कैसा है, और वे इस बात को अनदेखा कर देते हैं कि ओवन को गर्म करने के लिए वे जंगल जला रहे हैं।
यह शोध पत्र इस बारे में है कि शोधकर्ताओं के एक समूह ने यह तय किया: "हम इस कारखाने को कम आहार (कम ऊर्जा) पर कैसे चला सकते हैं?"
यहाँ उनके अन्वेषण की कहानी है, जिसे सरल रूप से समझाया गया है।
1. समस्या: भूखा कारखाना
AI बनाना अविश्वसनीय रूप से ऊर्जा-खपत वाला काम है। एक बड़े AI मॉडल को प्रशिक्षित करने में उतनी बिजली लग सकती है जितनी एक छोटे शहर को एक साल तक चलाने में लगती है, या एक कार को दुनिया के पांच चक्कर लगाने में लगती है। यह ग्रह के लिए बुरा है।
वैज्ञानिकों ने पहले ही एक "ग्रीन कुकबुक" (30 युक्तियों का एक कैटलॉग) लिख दी है, जो सुझाव देती है कि इन कारखानों को अधिक हरा-भरा (eco-friendly) कैसे बनाया जाए। उदाहरण के लिए, उन्होंने सुझाव दिया जैसे "छोटा ओवन उपयोग करें" (सरल मॉडल) या "जरूरत न होने पर लाइट बंद कर दें" (प्रशिक्षण को जल्दी रोकना)।
लेकिन यहाँ एक बड़ा रहस्य था: क्या कारखाना प्रबंधक वास्तव में इस कुकबुक का उपयोग कर रहे हैं? और क्या उनके पास कोई गुप्त हरित युक्तियाँ (green tricks) हैं जिनका उपयोग वे कर रहे हैं जो कुकबुक को नहीं पता?
2. जासूसी का काम: AI जासूस
यह जानने के लिए, शोधकर्ताओं ने केवल लोगों से पूछा नहीं; वे सीधे कोड के भीतर गए। उन्होंने GitHub (एक विशाल लाइब्रेरी जहाँ प्रोग्रामर अपना कोड साझा करते हैं) पर 205 वास्तविक दुनिया के AI प्रोजेक्ट्स को देखा।
लेकिन 205 प्रोजेक्ट्स को हाथ से पढ़ना एक जीवनकाल ले लेगा। इसलिए, उन्होंने एक सुपर-डिटेक्टिव रोबोट (एक AI जिसे LLM कहा जाता है, विशेष रूप से Claude 3 Haiku) बनाया।
इस रोबोट को एक बहुत ही स्मार्ट, बहुत तेज़ लाइब्रेरियन के रूप में समझें। आप इसे कोड की एक फ़ाइल देते हैं और कहते हैं: "इसे देखो। क्या तुम्हें कोई ग्रीन ट्रिक दिख रही है? क्या वे कुकबुक की ज्ञात युक्तियों का उपयोग कर रहे हैं? और हे, क्या तुम्हें कोई नई युक्तियाँ दिख रही हैं जो हमें नहीं पता थीं?"
3. निष्कर्ष: रोबोट ने क्या पाया
भाग A: ज्ञात युक्तियाँ (द कुकबुक)
रोबोट ने जांचा कि क्या 30 ज्ञात हरित युक्तियों का उपयोग किया जा रहा है।
- अच्छी खबर: हाँ, लोग उनका उपयोग कर रहे हैं!
- वास्तविकता की जाँच: कुछ युक्तियाँ बहुत लोकप्रिय हैं (जैसे अंतर्निहित टूल्स का उपयोग करना, जो शून्य से केक बनाने के बजाय पहले से बने केक मिक्स का उपयोग करने जैसा है)। अन्य शायद ही कभी उपयोग की जाती हैं (जैसे मॉडल पर सख्त ऊर्जा सीमाएं लगाना), शायद इसलिए क्योंकि उन्हें समझना या लागू करना कठिन है।
यह ऐसा है जैसे यह पता चलना कि शहर में हर कोई रीसायकल करना जानता है (उच्च अपनाना), लेकिन लगभग कोई भी कंपोस्टिंग (खाद बनाना) नहीं जानता (कम अपनाना)।
भाग B: गुप्त युक्तियाँ (नई खोजें)
यह सबसे रोमांचक हिस्सा था। रोबोट ने 9 बिल्कुल नई हरित युक्तियाँ खोजीं जो मूल कुकबुक में नहीं थीं।
कल्पना कीजिए कि मूल कुकबुक में 30 रेसिपी थीं। रोबोट ने 9 नई रेसिपी खोजीं जिनका उपयोग शेफ कर रहे थे लेकिन अभी तक उन्हें लिखा नहीं गया था। यहाँ इन "गुप्त रेसिपी" के कुछ उदाहरण दिए गए हैं:
- "जब आप आगे बढ़ रहे हों तब रुकें" की ट्रिक (अर्ली स्टॉपिंग): AI को तब तक प्रशिक्षित करने के बजाय जब तक वह पूर्ण न हो जाए (जो ऊर्जा बर्बाद करता है), जैसे ही वह "पर्याप्त अच्छा" हो जाए, वहीं रुक जाएं। यह कार को तब रोकने जैसा है जब आप गैस लाइट देखते हैं, न कि टैंक खाली होने तक गाड़ी चलाना।
- "टीमवर्क" की ट्रिक (पैरेलल ट्रेनिंग): एक कंप्यूटर द्वारा सारा भारी काम करने के बजाय, काम को कई कंप्यूटरों के बीच विभाजित करें। यह 10 लोगों द्वारा सोफा उठाने जैसा है बजाय एक व्यक्ति के; काम तेजी से होता है, इसलिए सभी कम थकते हैं।
- "सफाई" की ट्रिक: प्रशिक्षण से पहले डेटा को साफ करना ताकि AI भ्रमित न हो और समय बर्बाद न करे।
4. यह क्यों मायने रखता है
शोधकर्ताओं ने केवल ये युक्तियाँ खोजी नहीं; उन्होंने उन्हें लिखा, उन्हें नाम दिए, और चरण-दर-चरण निर्देश (कोड उदाहरण) प्रदान किए ताकि कोई भी डेवलपर उनका उपयोग कर सके।
उन्होंने एक नई, विस्तारित ग्रीन कुकबुक बनाई जिसमें 30 के बजाय 39 युक्तियाँ हैं।
मुख्य निष्कर्ष
यह शोध पत्र सिद्धांत (जो वैज्ञानिक कहते हैं कि हमें करना चाहिए) और वास्तविकता (जो डेवलपर्स वास्तव में कर रहे हैं) के बीच एक सेतु है।
- डेवलपर्स के लिए: यह कहता है, "हे, आप पहले से ही कुछ बेहतरीन हरित चीजें कर रहे हैं! लेकिन यहाँ 9 और युक्तियाँ हैं जिनका उपयोग आप ऊर्जा और पैसा बचाने के लिए कर सकते हैं।"
- ग्रह के लिए: यह दिखाता है कि हम ग्रह को जलाए बिना स्मार्ट AI बना सकते हैं। हमें बस सही उपकरणों का उपयोग करने और ऊर्जा बर्बाद करना बंद करने की आवश्यकता है।
संक्षेप में: शोधकर्ताओं ने हजारों कोड फ़ाइलों को स्कैन करने के लिए एक स्मार्ट AI रोबोट का उपयोग किया, यह पाया कि डेवलपर्स पहले से ही 'ग्रीन' होने की कोशिश कर रहे हैं, और 9 नए तरीके खोजे जिससे AI को पर्यावरण के अनुकूल बनाया जा सके जो पहले किसी ने नहीं लिखे थे। अब वे इन नई रेसिपी को दुनिया को सौंप रहे हैं ताकि हम सभी एक हरित भविष्य का निर्माण कर सकें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।