Modest, artistic, and radical solutions to the environmental impact of image-generating machine learning
यह शोध पत्र मशीन लर्निंग इमेज जनरेशन की छिपी हुई पर्यावरणीय लागतों की आलोचना करता है और रेडिकल, टिकाऊ विकल्पों को विकसित करने के लिए इनएक्सैक्ट कंप्यूटिंग और टिनी मॉडल्स जैसे तकनीकी नवाचारों को नैतिक डिज़ाइन और वास्तविक-लागत लेखांकन के साथ संयोजित करने वाले एक बहुविषयक दृष्टिकोण का प्रस्ताव 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
बड़ी समस्या: "डिजिटल भूखा" (The Digital Glutton)
कल्पना कीजिए कि इंटरनेट और आर्टिफिशियल इंटेलिजेंस (AI) एक विशाल, भूखा राक्षस है। हम अक्सर खुद को बताते हैं कि यह राक्षस "कुशल" (efficient) है क्योंकि यह इंसानों से तेज़ काम करता है। लेकिन इस पेपर के लेखक तर्क देते हैं कि यह कुशलता एक धोखा है।
इसे एक ऐसी कार की तरह समझें जिसे बहुत अच्छा माइलेज मिलता है, लेकिन वह इतनी सस्ती चलती है कि हर कोई उनकी एक पूरी फौज खरीद लेता है और उन्हें 24 घंटे चलाता रहता है। परिणाम? आप कुल मिलाकर अधिक ईंधन का उपयोग करते हैं, कम नहीं।
पेपर का तर्क है कि भले ही AI किसी कार्य के लिए ऊर्जा बचाने में थोड़ा बेहतर हो रहा हो, लेकिन इसे बनाने वाली कंपनियाँ पैसा कमाने पर इतनी केंद्रित हैं कि वे केवल अधिक कार्य करने के लिए और भी बड़े, भूखे डेटा सेंटर बनाती जा रही हैं। यह राक्षस बिजली, पानी (कूलिंग के लिए) और ज़मीन को भारी मात्रा में खा रहा है। यदि हम इसी गति से चलते रहे, तो पेपर सुझाव देता है कि हमें AI को चलाने के लिए आधे ग्रह को पावर प्लांटों से पक्का करना पड़ेगा, जो वास्तव में AI के कुछ भी "बुरा" करने से पहले ही हमें मार डालेगा।
"डीपफेक" विचार प्रयोग (The "Deepfake" Thought Experiment)
यह दिखाने के लिए कि यह कितना बुरा है, लेखक एक साइंस-फिक्शन विलेन (जैसे मिशन: इम्पॉसिबल का "एंटिटी") की कल्पना करते हैं जो नकली वीडियो के साथ पूरी दुनिया को धोखा देना चाहता है।
- गणित: केवल एक नकली छवि बनाना कार्बन प्रदूषण की एक छोटी मात्रा पैदा करता है। लेकिन एक वीडियो बनाना? यह हर सेकंड भारी मात्रा में कोयला जलाने जैसा है।
- परिणाम: यदि यह विलेन दुनिया के एक छोटे से हिस्से को भी धोखा देने की कोशिश करता है, तो दस सेकंड में उत्पन्न होने वाला प्रदूषण एक कोयला पावर प्लांट द्वारा पूरे एक साल में उत्पादित प्रदूषण के बराबर होगा।
बिंदु यह नहीं है कि AI बुरा है; बल्कि यह है कि इसे बनाने का वर्तमान तरीका भौतिक रूप से अस्थिर है।
"रिबाउंड इफेक्ट": क्यों "दक्षता" (Efficiency) विफल होती है
पेपर एक मज़ेदार लेकिन दुखद चक्र की ओर इशारा करता है जिसे रिबाउंड इफेक्ट (Rebound Effect) कहा जाता है।
- चक्र: इंजीनियर एक नया चिप बनाते हैं जो कम ऊर्जा का उपयोग करता है। बहुत बढ़िया! लेकिन क्योंकि यह सस्ता और तेज़ है, कंपनियाँ इसका उपयोग अधिक जटिल प्रोग्राम चलाने के लिए करती हैं। लोग इन चिप्स वाले और अधिक फोन खरीदते हैं। अंततः हम पहले की तुलना में अधिक कुल ऊर्जा का उपयोग करते हैं।
- उपमा: यह एक सुपर-एफिशिएंट वैक्यूम क्लीनर खरीदने जैसा है। कम वैक्यूम करने के बजाय, आप पूरे पड़ोस में रोज़ वैक्यूम करने का निर्णय लेते हैं क्योंकि "यह इतना आसान है।"
समाधान: "छोटा" और "मामूली" AI (The Solution: "Tiny" and "Modest" AI)
एक बड़े, तेज़ राक्षस को बनाने के बजाय, लेखक एक "Tiny AI" बनाने का सुझाव देते हैं। वे इसके तीन मुख्य तरीके प्रस्तावित करते हैं:
रेज़ोल्यूशन कम करें ("धुंधली फोटो" वाला दृष्टिकोण):
वर्तमान में, AI पूर्ण होने की कोशिश करता है, कई दशमलव स्थानों तक संख्याओं की गणना करता है। लेखक सुझाव देते हैं कि हम "काफी अच्छा" (good enough) परिणामों को स्वीकार करें। यह 8K अल्ट्रा-एचडी के बजाय थोड़ी धुंधली फोटो लेने जैसा है। आप ऊर्जा की एक बड़ी मात्रा बचाते हैं, और कई कलात्मक या रचनात्मक कार्यों के लिए, धुंधलापन मायने नहीं रखता।छोटे मॉडल ("पॉकेट कैलकुलेटर" बनाम "सुपरकंप्यूटर"):
एक मॉडल को पूरे इंटरनेट पर प्रशिक्षित करने (जिसमें भारी ऊर्जा लगती है) के बजाय, हम कुछ विशिष्ट चीजों पर एक "स्मॉल लैंग्वेज मॉडल" (SLM) को प्रशिक्षित कर सकते हैं। यह अपनी जेब में सुपरकंप्यूटर रखने के बजाय एक पॉकेट कैलकुलेटर रखने जैसा है। यह सब कुछ नहीं कर सकता, लेकिन यह बिना घर जलाए वही करता है जिसकी आपको आवश्यकता है।नैतिक सामग्री ("फार्म-टू-टेबल" वाला दृष्टिकोण):
अधिकांश AI "स्क्रैप्ड" डेटा पर प्रशिक्षित होते हैं—इंटरनेट से बिना अनुमति के चुराई गई तस्वीरें और टेक्स्ट। लेखक एक "स्लो एआई" (Slow AI) प्रोजेक्ट का प्रस्ताव करते हैं। कल्पना कीजिए कि एक शेफ जो एक विशाल, औद्योगिक कारखाने का उपयोग करने से इनकार करता है। इसके बजाय, वे अपने पड़ोसियों से पूछते हैं कि वे स्टू (stew) बनाने के लिए अपने घर के बने व्यंजन लेकर आएं।
- प्रोजेक्ट: वे एक बहुत ही छोटे, क्यूरेटेड डेटासेट (जैसे टेक्सटाइल और कैलीग्राफी) का उपयोग करके एक छोटा इमेज जनरेटर बना रहे हैं, जो संग्रहालय और समुदाय के सदस्यों द्वारा दान किया गया है।
- ट्विस्ट: वे चाहते हैं कि AI "वि-औपनिवेशिक" (decolonial) हो। वे योजना बना रहे हैं कि AI को हमेशा आउटपुट में फिलिस्तीन का संदर्भ (जैसे तरबूज की छवि) शामिल करने के लिए मजबूर किया जाए ताकि दुनिया को देखने के सामान्य, पक्षपाती तरीकों को चुनौती दी जा सके।
कलात्मक लक्ष्य: "मितव्ययिता" (The Artistic Goal: "Austerity")
लेखक केवल इंजीनियर नहीं, बल्कि कलाकार और विद्वान भी हैं। वे चाहते हैं कि दिखाएं कि सीमाएं सुंदर हो सकती हैं।
- एक ऐसे AI के बजाय जो किसी भी चीज़ की लाखों सटीक छवियां उत्पन्न कर सके, वे एक ऐसा AI चाहते हैं जो एक छोटे समुदाय के इनपुट के आधार पर कुछ अजीब, आश्चर्यजनक और अद्वितीय छवियां उत्पन्न करे।
- वे इसे "ग्रेसफुल डिग्रेडेशन" (graceful degradation) कहते हैं। यह एक जैज़ संगीतकार की तरह है जो एक सरल, अपूर्ण नोट बजाता है जो एक पूर्ण, कंप्यूटर-जनित सिम्फनी की तुलना में अधिक मानवीय और ईमानदार महसूस होता है।
निचोड़ (The Bottom Line)
पेपर निष्कर्ष निकालता है कि जब तक कंपनियाँ केवल लाभ और "शेयरहोल्डर कैपिटलिज्म" से प्रेरित हैं, वे बड़ा, गंदा AI बनाती रहेंगी। एकमात्र वास्तविक समाधान हमारी मानसिकता बदलना है:
- "अधिक" की मांग करना बंद करें और "पर्याप्त" को स्वीकार करना शुरू करें।
- बिजली की कीमत इस तरह तय करें कि कंपनियों को उनके द्वारा पैदा किए गए प्रदूषण की लागत वास्तव में महसूस हो।
- "टाइनी मशीन लर्निंग" (Tiny Machine Learning) को अपनाएं—ऐसे मॉडल जो छोटे, धीमे और विशिष्ट हों, न कि विशाल, तेज़ और लालची।
संक्षेप में: हमें डिजिटल राक्षस को खिलाना बंद करना होगा और एक छोटे, टिकाऊ बगीचे को खिलाना शुरू करना होगा।
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।