Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting
यह शोध पत्र CSRD के स्कोप 3 श्रेणी 1 के तहत AI इन्फरेंस उत्सर्जन को सटीक रूप से रिपोर्ट करने के लिए एक मानकीकृत चार-स्तरीय कार्यप्रणाली का प्रस्ताव करता है, जो सटीक आर्थिक कारकों के स्थान पर सटीक, टोकन-आधारित भौतिक गणनाओं का उपयोग करता है जो काफी कम कार्बन फुटप्रिंट को प्रकट करते हैं और डेटा सेंटर स्थान रणनीतियों में महत्वपूर्ण जल-कार्बन ट्रेड-ऑफ को उजागर करते हैं।
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 आपकी कंपनी एक बड़े घर की तरह है। वर्षों से, आप अपनी लाइटों और फ्रिज के लिए बिजली के उपयोग को ट्रैक कर रहे हैं (स्कोप 1 और 2)। लेकिन अब, आपने बाहरी कंपनियों से "स्मार्ट सेवाएं" खरीदना शुरू कर दिया है—जैसे AI चैटबॉट्स, ऑटोमेटेड राइटिंग टूल्स और स्मार्ट असिस्टेंट।
नए यूरोपीय नियम (CSRD) कहते हैं कि आपको इन बाहरी सेवाओं की पर्यावरणीय लागत की भी रिपोर्ट देनी होगी। समस्या यह है कि किसी को यह नहीं पता कि एक डिजिटल बातचीत के "कार्बन फुटप्रिंट" को कैसे मापा जाए।
गिल्लेर्मो लोपिस द्वारा लिखा गया यह पेपर इस रहस्य को सुलझाने के लिए एक यूजर मैनुअल के रूप में कार्य करता है। यह तर्क देता है कि वर्तमान तरीके इस बात की कोशिश करने जैसे हैं कि रेत की एक बोरी की कीमत के आधार पर उसके वजन का अनुमान लगाया जाए—वे बेहद गलत हैं। इसके बजाय, लेखक सटीकता की एक चार-स्तरीय सीढ़ी का प्रस्ताव देते हैं, जो इस बात पर निर्भर करती है कि आपकी कंपनी वास्तव में कितना डेटा खोज सकती है।
यहाँ सरल उपमाओं का उपयोग करके पेपर के मुख्य विचारों का विवरण दिया गया है:
1. समस्या: "रेत की बोरी" वाली गलती
वर्तमान में, कई कंपनियां AI की कार्बन लागत का अनुमान इस बात को देखकर लगाती हैं कि उन्होंने कितना खर्च किया है। वे एक सामान्य सूत्र का उपयोग करती हैं जो कहता है, "कंप्यूटर सेवाओं पर खर्च किया गया प्रत्येक यूरो X मात्रा में प्रदूषण पैदा करता है।"
पेपर इसे EEIO विधि कहता है। यह यह गणना करने जैसा है कि एक विशिष्ट शावर ने कितना पानी इस्तेमाल किया, इसके लिए आपके कुल पानी के बिल और प्लंबर के आने की कीमत को देखने के बजाय। इसमें प्लंबर के समय, ट्रक और लाभ की लागत भी शामिल है, न कि केवल पानी।
- परिणाम: यह विधि AI प्रदूषण को 10 से 40 गुना तक बढ़ा-चढ़ाकर दिखाती है। यह ऐसा है जैसे कहना कि आपका डिजिटल चैटबॉट उतना ही गंदा है जितना कि एक कोयला बिजली संयंत्र, सिर्फ इसलिए क्योंकि आपने उसके लिए भुगतान किया है।
2. समाधान: चार-स्तरीय सीढ़ी
अनुमान लगाने के बजाय, पेपर एक सीढ़ी चढ़ने का सुझाव देता है। आप शीर्ष (सबसे सटीक) से शुरू करते हैं और केवल तभी नीचे जाते हैं जब आपके पास डेटा उपलब्ध न हो।
- टियर 3 (स्वर्ण मानक): AI प्रदाता आपको एक सत्यापित, ऑडिट की गई रिपोर्ट देता है कि, "इस विशिष्ट सेवा ने ठीक इतना ऊर्जा उपयोग किया।"
- स्थिति: वर्तमान में, कोई भी अभी तक यह नहीं दे रहा है। यह "सपनों वाला टियर" है।
- टियर 2a (रसीद की जाँच): आपके पास AI का बिलिंग पोर्टल है। आप देख सकते हैं कि आपने कितने "टोकन" (वे डिजिटल शब्द जिन्हें AI ने प्रोसेस किया) उपयोग किए हैं।
- यह कैसे काम करता है: आप टोकन की संख्या लेते हैं, उसे एक ज्ञात ऊर्जा बेंचमार्क (जैसे कार का माइलेज/MPG) से गुणा करते हैं, और फिर उसे स्थानीय पावर ग्रिड की स्वच्छता से गुणा करते हैं।
- उपमा: यह आपके कार के मेक और मॉडल के आधार पर अनुमान लगाने के बजाय, गैस पंप की रसीद देखने जैसा है कि आपने वास्तव में कितने गैलन ईंधन भरा।
- टियर 2b (सबसे अच्छा अनुमान): आपके पास टोकन की संख्या नहीं है, लेकिन आप जानते हैं कि कितने संदेश भेजे गए या कितने लोगों ने टूल का उपयोग किया।
- यह कैसे काम करता है: आप संदेशों की संख्या के आधार पर टोकन का अनुमान लगाते हैं (जैसे, "1 संदेश = 400 टोकन")।
- उपमा: यह यह अनुमान लगाने जैसा है कि आपने कितनी बार स्टोर जाने के लिए गाड़ी चलाई, यह मानते हुए कि एक यात्रा की दूरी मानक है। यह कम सटीक है, लेकिन कुछ न होने से बेहतर है।
- टियर 1 (अंतिम विकल्प): आप केवल उस सॉफ्टवेयर सब्सक्रिप्शन के लिए भुगतान करते हैं जिसमें AI शामिल है, लेकिन आप AI के उपयोग को बिल्कुल नहीं देख सकते।
- यह कैसे काम करता है: आप पुराने, गलत "खर्च-आधारित" (spend-based) तरीके का उपयोग करते हैं।
- चेतावनी: पेपर कहता है कि यह संख्या बहुत अधिक गलत होने की संभावना है (जैसे "रेत की बोरी" वाला तरीका)। आपको इसे एक तथ्य के बजाय एक "सबसे खराब स्थिति" (worst-case scenario) के रूप में रिपोर्ट करना चाहिए।
3. बड़ा आश्चर्य: स्थान आकार से अधिक महत्वपूर्ण है
पेपर ने एक विरोधाभासी तथ्य खोजा: AI कहाँ रहता है, यह इस बात से अधिक मायने रखता है कि AI क्या करता है।
- उपमा: दो समान कारों की कल्पना करें। एक स्वीडन में चलाई जा रही है (जहाँ बिजली हाइड्रो पावर से आती है) और दूसरी सिंगापुर में (जहाँ बिजली जीवाश्म ईंधन से आती है)।
- निष्कर्ष: सिंगापुर वाली कार स्वीडन वाली कार की तुलना में 13 गुना अधिक प्रदूषण फैलाती है, भले ही वे बिल्कुल समान दूरी तय करें।
- सबक: एक कंपनी जो गंदे ग्रिड क्षेत्र में एक "छोटा" AI मॉडल उपयोग करती है, वह एक स्वच्छ ग्रिड क्षेत्र में "विशाल" AI मॉडल का उपयोग करने वाली कंपनी से अधिक प्रदूषण फैला सकती है।
4. छिपा हुआ समझौता: "स्वच्छ लेकिन गीला" विरोधाभास
पेपर ने पानी के उपयोग पर भी नज़र डाली। डेटा केंद्रों को ठंडा करने के लिए पानी की आवश्यकता होती है, और बिजली बनाने में भी अक्सर पानी का उपयोग होता है।
- विरोधाभास: स्वीडन में सबसे स्वच्छ हवा (सबसे कम कार्बन) है क्योंकि इसकी हाइड्रोइलेक्ट्रिक बांधों से बिजली आती है। लेकिन, वे बांध भारी मात्रा में पानी का उपयोग करते हैं।
- परिणाम: स्वीडन कार्बन के लिए "सबसे हरा" (greenest) स्थान है, लेकिन पानी के उपयोग के लिए "सबसे गीला" स्थान है। आयरलैंड, दूसरी ओर, एक बेहतरीन जगह है: इसमें कार्बन के अच्छे आंकड़े हैं और बहुत कम पानी का उपयोग होता है।
- सीख: यदि आप केवल कार्बन को देखते हैं, तो आप गलत स्थान चुन सकते हैं। आपको वास्तव में हरा विकल्प चुनने के लिए कार्बन और पानी दोनों को देखना होगा।
5. निचोड़: यह कागजी कार्रवाई की समस्या है, राक्षस की नहीं
पेपर ने एक विशिष्ट 200-सदस्यीय यूरोपीय कंपनी के साथ एक सिमुलेशन चलाया।
- परिणाम: उनके AI उपयोग से कुल प्रदूषण 1 टन CO2 से भी कम था।
- संदर्भ: यह कुछ कर्मचारियों के महीने भर के काम पर आने-जाने (commute) से होने वाले प्रदूषण से भी कम है।
- वास्तविक चुनौती: उत्सर्जन बहुत बड़ा नहीं है, लेकिन नियम सख्त हैं। कंपनियाँ यह नहीं कह सकतीं, "हमें नहीं पता था कि इसे कैसे मापा जाए।" उन्हें सर्वोत्तम डेटा खोजने के लिए सीढ़ी (ladder) पद्धति का उपयोग करना ही होगा।
संक्षेप में: यह पेपर कंपनियों को अनुमान लगाने के बजाय सटीक रूप से अपने AI प्रदूषण को मापने के लिए एक स्पष्ट, चरण-दर-चरण रेसिपी देता है। यह चेतावनी देता है कि खर्च करना प्रदूषण के बराबर नहीं है, स्थान सबसे बड़ा लीवर है जिसे वे खींच सकते हैं, और उन्हें छिपे हुए पानी के खर्चों पर भी नज़र रखने की ज़रूरत है। डेटा पहले से ही मौजूद है; उन्हें बस उसे खोजने के लिए एक मानचित्र की आवश्यकता थी।
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।