The Environmental Cost of LLMs in AIED: Reporting and Practices
यह शोध पत्र आर्टिफिशियल इंटेलिजेंस इन एजुकेशन (AIED) में लार्ज लैंग्वेज मॉडल्स की छिपी हुई कम्प्यूटेशनल और पर्यावरणीय लागतों पर मानकीकृत रिपोर्टिंग की कमी को रेखांकित करता है और एक ओपन-सोर्स फ्रेमवर्क प्रस्तावित करता है, जिसमें इन प्रभावों को व्यवस्थित रूप से मापने और पारदर्शी रूप से रिपोर्ट करने के लिए सॉफ्टवेयर टूल्स और गणना सूत्र शामिल 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 आर्टिफिशियल इंटेलिजेंस इन एजुकेशन (AIED) की दुनिया एक हलचल भरी, हाई-टेक स्कूल की तरह है। लंबे समय से, हर कोई उन नए "स्मार्ट ट्यूटर्स" (लार्ज लैंग्वेज मॉडल्स, या LLMs) को लेकर उत्साहित है जो निबंध लिख सकते हैं, पेपर ग्रेड कर सकते हैं और छात्रों के साथ चैट कर सकते हैं। यह स्कूल इस बात पर इतना केंद्रित रहा है कि ये ट्यूटर्स पढ़ाने में कितने अच्छे हैं, कि वे उन्हें चलाने के लिए आवश्यक बिजली और पानी के बिल की ओर देखना पूरी तरह से भूल गए हैं।
यह पेपर एक समूह चिंतित शिक्षकों और इंजीनियरों की तरह है जो उस स्कूल में प्रवेश करते हैं और कहते हैं, "हे, हमें मीटर पढ़ना शुरू करने की जरूरत है।"
यहाँ उनके द्वारा किए गए निष्कर्षों और उनके प्रस्तावों का विवरण दिया गया, जिसे सरल उपमाओं (analogies) का उपयोग करके समझाया गया है:
1. "छिपा हुआ बिल" की समस्या
शोधकर्ताओं ने 396 हालिया शोध पत्रों का अध्ययन किया जो AIED 2025 कॉन्फ्रेंस से लिए गए हैं। यह 396 अलग-अलग स्कूल प्रोजेक्ट्स की रिपोर्ट कार्ड चेक करने जैसा है।
- उन्होंने क्या पाया: लगभग सभी (396 में से 257) इन स्मार्ट AI ट्यूटर्स का उपयोग कर रहे हैं।
- अंतराल (The Gap): बहुत कम लोगों ने यह उल्लेख किया कि ये उपकरण कितनी ऊर्जा की खपत करते हैं। इससे भी कम लोगों ने इसके कारण होने वाले पर्यावरणीय "धुएं" (कार्बन उत्सर्जन) के बारे में बात की।
- उपमा: कल्पना कीजिए कि स्कूल के हर छात्र से उन्हें पढ़ाई में मदद करने के लिए एक विशाल रोबोट बनाने के लिए कहा गया। वे सभी अपनी रिपोर्ट में इस बात पर लिखेंगे कि वह रोबोट कितना शानदार है, लेकिन लगभग कोई भी यह उल्लेख नहीं करेगा कि वह रोबोट प्रतिदिन 500 पाउंड कोयला खाता है। यह पेपर तर्क देता है कि हमें उस रिपोर्ट कार्ड पर कोयले की खपत को सूचीबद्ध करना शुरू करना चाहिए।
2. वर्तमान अव्यवस्था: कोई मानक पैमाना नहीं
अभी, यदि कोई शोधकर्ता लागत का उल्लेख करता भी है, तो वे इसे अलग-अलग तरीके से करते हैं।
- कुछ कहते हैं, "इसमें 2 घंटे लगे।"
- अन्य कहते हैं, "हमने एक विशिष्ट कंप्यूटर का उपयोग किया।"
- कुछ बस कहते हैं, "यह ग्रह के लिए बुरा है" बिना किसी संख्या के।
- उपमा: यह अपने डेस्क की लंबाई को अलग-अलग इकाइयों में मापने जैसा है—कोई इंच का उपयोग करता है, कोई "हथेली के विस्तार" का, और कोई "पिज्जा स्लाइस" का। आप उनकी तुलना नहीं कर सकते। पेपर कहता है कि हमें एक एकल, मानक पैमाने (रूलर) की आवश्यकता है ताकि हम वास्तव में तुलना कर सकें कि कौन अधिक कुशल है।
3. समाधान: एक नया "ऊर्जा कैलकुलेटर"
लेखक इसे ठीक करने के लिए एक टूलकिट का प्रस्ताव देते हैं, जिसे वे TerraFlops (एक "ग्रीन कैलकुलेटर" के रूप में सोचें) कहते हैं।
लोकल कंप्यूटर के लिए (होम ऑफिस):
यदि आप अपने स्वयं के लैपटॉप पर AI चलाते हैं, तो पेपर CodeCarbon नामक टूल का उपयोग करने का सुझाव देता है।- उपमा: यह एक स्मार्ट प्लग की तरह है जो आपको बताता है कि आपकी कॉफी मेकर कितनी बिजली का उपयोग करती है। पेपर नोट करता है कि यह टूल कभी-कभी बिल का कम अनुमान लगाता है क्योंकि यह कंप्यूटर के पंखे या मॉनिटर स्क्रीन को ठंडा करने के लिए उपयोग की जाने वाली ऊर्जा को गिनना भूल जाता है। इसे ठीक करने के लिए, वे एक "PUE-इक्विवेलेंट" कारक का प्रस्ताव देते हैं। इसे एक "वेस्ट मल्टीप्लायर" (अपशिष्ट गुणक) के रूप में सोचें। यदि आपका कंप्यूटर केवल 10% क्षमता पर काम कर रहा है लेकिन पूरी मशीन चालू है, तो आप बेकार की आइडल पावर को ध्यान में रखने के लिए ऊर्जा लागत को गुणा करते हैं।
क्लाउड कंप्यूटर्स के लिए (बड़े डेटा सेंटर्स):
कई शोधकर्ता अपने लैपटॉप के बजाय बड़े सर्वरों (जैसे AWS या Google) का उपयोग करते हैं।- उपमा: चूंकि आप दूसरे देश में स्थित सर्वर फार्म में "स्मार्ट प्लग" नहीं लगा सकते, इसलिए लेखक एक सैद्धांतिक अनुमान का सुझाव देते हैं। उन्होंने एक फॉर्मूला बनाया है जो उन शब्दों (टोकन) पर आधारित है जिन्हें AI पढ़ता और लिखता है।
- "अनुमान लगाने का खेल": यदि आप एक गुप्त, प्रोप्राइटरी AI (जैसे किसी बड़ी टेक कंपनी का सुपर-स्मार्ट मॉडल) का उपयोग कर रहे हैं और आपको नहीं पता कि वह कितना बड़ा है, तो पेपर एक "रूल ऑफ थंब" का सुझाव देता है। वे मानते हैं कि बड़े मॉडल ज्ञात ओपन-सोर्स दिग्गजों (जैसे 100 बिलियन "मस्तिष्क कोशिकाओं" या पैरामीटर्स) के आकार के होते हैं। यह एकदम सटीक नहीं है, लेकिन यह आपको एक सुसंगत तरीका देता है जिससे आप कह सकें, "इस कार्य में लगभग X मात्रा में ऊर्जा खर्च हुई," ताकि आप अन्य कार्यों के साथ इसकी तुलना कर सकें।
4. नया रिपोर्ट कार्ड: "सटीकता प्रति कार्बन" (Carbon per Accuracy)
पेपर का सुझाव है कि जब शोधकर्ता अपना काम प्रकाशित करते हैं, तो उन्हें केवल यह नहीं कहना चाहिए कि "हमारे AI की सटीकता 90% है।" उन्हें यह भी कहना चाहिए कि "हमारे AI की सटीकता 90% है, लेकिन वहां तक पहुँचने के लिए 5 किलोग्राम CO2 खर्च हुई।"
वे कुछ नए मेट्रिक्स का प्रस्ताव करते हैं:
- सुधारित कार्बन तीव्रता (Corrected Carbon Intensity): कुल प्रदूषण, जिसे कंप्यूटर की दक्षता के आधार पर समायोजित किया गया है।
- सटीकता प्रति कार्बन (Carbon per Accuracy): सुधार के एक अंक के लिए कितने प्रदूषण की आवश्यकता थी?
- स्थिरता स्कोर (Sustainability Score 1-10): एक सरल ग्रेड, जैसे रिपोर्ट कार्ड, जो प्रदूषण और प्रदर्शन को जोड़ता है। 10 का स्कोर मतलब "अत्यधिक कुशल" और 1 का मतलब "बहुत बर्बादी वाला"।
5. कार्रवाई का आह्वान
लेखक केवल शिकायत नहीं कर रहे हैं; वे उपकरण बांट रहे हैं। उन्होंने अपने सॉफ्टवेयर को ओपन-सोर्स (किसी के लिए भी मुफ्त उपयोग के लिए उपलब्ध) बना दिया है और AIED समुदाय से इन मानकों को अपनाने के लिए कह रहे हैं।
- लक्ष्य: वे चाहते हैं कि भविष्य के सम्मेलनों में इन "ऊर्जा रिपोर्टों" को अनिवार्य किया जाए, ठीक वैसे ही जैसे वे लेखकों को गुमनाम रखने की आवश्यकता रखते हैं।
- दृष्टिकोण: यदि हर कोई "छिपे हुए बिल" की रिपोर्ट करना शुरू कर देता है, तो समुदाय स्मार्ट विकल्प चुनना शुरू कर सकता है। शायद हमें एहसास होगा कि थोड़ा कम सटीक AI का उपयोग करना बेहतर है क्योंकि यह भारी मात्रा में ऊर्जा बचाता है, या शायद हम अपने पास मौजूद मॉडल्स को चलाने के बेहतर तरीके खोज लेंगे।
संक्षेप में: पेपर कहता है, "हम नए AI ट्यूटर्स को पसंद करते हैं, लेकिन हम बिजली के बिल को अनदेखा नहीं कर सकते। आइए इसे मापें, इसकी रिपोर्ट करें, और अपने शैक्षिक AI को हरा-भरा (greener) बनाना शुरू करें।"
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।