The ultimate carbon cost of a ChatGPT query

जब हम किसी कंप्यूटर को कहानी लिखने, गणित की समस्या हल करने या किसी दस्तावेज़ का सारांश बनाने के लिए कहते हैं, तो हम ऊर्जा और संसाधनों के एक विशाल, अदृश्य नेटवर्क का उपयोग कर रहे होते हैं। ये प्रणालियाँ, जिन्हें लार्ज लैंग्वेज मॉडल्स (large language models) के रूप में जाना जाता है, मनुष्यों की तरह नहीं सोचतीं; इसके बजाय, वे अरबों सूक्ष्म गणितीय गणनाओं को निष्पादित करके सूचनाओं को संसाधित करती हैं। हर बार जब कोई उपयोगकर्ता एक संदेश भेजता है, तो सिस्टम को इन नंबरों को प्रोसेस करने के लिए शक्तिशाली हार्डवेयर को सक्रिय करना पड़ता है, जो अक्सर विशाल डेटा केंद्रों में स्थित होता है। यह प्रक्रिया बिजली की खपत करती है और गर्मी पैदा करती है, जो बदले में वायुमंडल में ग्रीनहाउस गैसों को छोड़ती है। हालांकि एक प्रश्न टाइप करने का कार्य तात्कालिक और भारहीन महसूस होता है, लेकिन इसके पीछे की भौतिक मशीनरी ग्रह पर एक प्रत्यक्ष निशान छोड़ती है। वैज्ञानिक लंबे समय से इस बात का अध्ययन कर रहे हैं कि ये मशीनें कितनी ऊर्जा का उपयोग करती हैं, लेकिन एक नया दृष्टिकोण एक अलग प्रश्न पूछता है: मानवता के भविष्य के लिए उस ऊर्जा की वास्तविक, दीर्घकालिक कीमत क्या है?

पॉल क्रोन द्वारा किया गया एक हालिया अध्ययन इस संबंध को जोड़कर उत्तर खोजने का प्रयास करता है कि एक एकल कंप्यूटर क्वेरी और जलवायु परिवर्तन की अंतिम लागत के बीच क्या संबंध है। यह शोध कंप्यूटर चिप्स द्वारा उपयोग की जाने वाली ऊर्जा, उन्हें चलाने वाली बिजली द्वारा उत्सर्जित कार्बन, और उन उत्सर्जन के कारण होने वाले दीर्घकालिक आर्थिक नुकसान के डेटा को जोड़ता है। लेखक "अल्टीमेट कार्बन कॉस्ट" (ultimate carbon cost) नामक एक अवधारणा पेश करते हैं, जो एक चैट से होने वाले प्रदूषण को एक ऐसे मौद्रिक मूल्य में अनुवाद करने का प्रयास करती है जो हजारों वर्षों में आने वाली पीढ़ियों को होने वाले नुकसान को दर्शाता है। यह दृष्टिकोण केवल कार्बन डाइऑक्साइड को गिनने से आगे बढ़कर हमारी डिजिटल आदतों के व्यापक परिणामों को समझने की दिशा में बढ़ता है। यह अध्ययन विशेष रूप से लोकप्रिय चैटबॉट ChatGPT पर ध्यान केंद्रित करता है, जिसका उपयोग आर्टिफिशियल इंटेलिजेंस के छिपे हुए पर्यावरणीय पदचिह्न (environmental footprint) को उजागर करने के लिए एक केस स्टडी के रूप में किया गया है।

शोधकर्ताओं ने इन मॉडल्स को चलाने वाले कंप्यूटरों को बनाने और चलाने की भौतिक लागत को देखकर शुरुआत की। उन्होंने हार्डवेयर, जैसे कि विशेष प्रोसेसर और सर्वर के निर्माण के दौरान उत्पन्न उत्सर्जन और उन्हें चलाने के लिए उपयोग की जाने वाली ऊर्जा की गणना की। उन्होंने अनुमान लगाया कि GPT-4 जैसे एक उन्नत मॉडल को प्रशिक्षित करने के लिए भारी मात्रा में कंप्यूटिंग शक्ति की आवश्यकता थी, जिससे अनुमानित दस हजार टन कार्बन डाइऑक्साइड के बराबर उत्सर्जन हुआ। यह प्रदूषण की एक चौंकाने वाली मात्रा है, जो हजारों लोगों के वार्षिक उत्सर्जन के बराबर है। हालांकि, चूंकि इस मॉडल का उपयोग लाखों लोगों द्वारा अरबों प्रश्नों के लिए किया जाता है, इसलिए शोधकर्ताओं ने इस विशाल कुल संख्या को प्रश्नों की संख्या से विभाजित किया ताकि प्रत्येक व्यक्तिगत इंटरैक्शन की लागत ज्ञात की जा सके। उन्होंने अनुमान लगाया कि इसके मुख्य संचालन काल के दौरान इसका उपयोग लगभग 1.4 ट्रिलियन खोजों के लिए किया गया था। जब प्रशिक्षण उत्सर्जन को उन सभी प्रश्नों में विभाजित किया जाता है, तो प्रत्येक व्यक्तिगत क्वेरी का हिस्सा आश्चर्यजनक रूप से छोटा होता है, जो कार्बन के एक ग्राम के बहुत छोटे अंश के बराबर है।

हालांकि, लागत का वास्तविक भार प्रत्येक विशिष्ट प्रश्न का उत्तर देने के लिए उपयोग की जाने वाली बिजली से आता है। आवश्यक ऊर्जा की मात्रा इस बात पर बहुत अधिक निर्भर करती है कि प्रश्न कितना जटिल है और कंप्यूटर को कितने शब्दों, या "टोकन" को प्रोसेस करना होगा। एक सरल, छोटे संवाद के लिए, ऊर्जा का उपयोग कम होता है। लेकिन जटिल कार्यों के लिए, जैसे कि कोड लिखना, लंबे दस्तावेजों का विश्लेषण करना, या बहु-चरणीय समस्याओं को हल करना, कंप्यूटर को बहुत अधिक गणनाएं करनी पड़ती हैं। अध्ययन में पाया गया कि एक साधारण क्वेरी में एक हजार टोकन शामिल हो सकते हैं, जबकि एक जटिल क्वेरी में तीस हजार या उससे अधिक हो सकते हैं। यह अंतर पर्यावरणीय प्रभाव को नाटकीय रूप से बदल देता है। इन विभिन्न परिदृश्यों के लिए आवश्यक ऊर्जा की गणना करके और परिणामी कार्बन उत्सर्जन की लागत लागू करके, शोधकर्ता प्रत्येक इंटरैक्शन के लिए एक विशिष्ट मूल्य टैग तक पहुंचे।

अध्ययन निष्कर्ष निकालता है कि एक लार्ज लैंग्वेज मॉडल के एक एकल, जटिल प्रश्न की "अल्टीमेट कार्बन कॉस्ट" लगभग चालीस सेंट है। यह आंकड़ा उस ग्रीनहाउस गैसों के उत्सर्जन के कारण भविष्य की मानव आबादी को होने वाले अनुमानित नुकसान का प्रतिनिधित्व करता है जो उस एक प्रश्न का उत्तर देने के लिए उत्सर्जित हुई हैं। एक सरल, छोटे प्रश्न के लिए, यह लागत गिरकर लगभग एक सेंट हो जाती है। हालांकि चालीस सेंट एक एकल इंटरैक्शन के लिए बड़ी राशि नहीं लग सकती है, लेकिन अध्ययन इस बात पर प्रकाश डालता है कि ये लागतें कितनी तेजी से जमा होती हैं। यदि कोई उपयोगकर्ता एक दिन में कई जटिल प्रश्न पूछता है, या यदि कोई पूरी कंपनी प्रणाली का भारी उपयोग करती है, तो पर्यावरणीय क्षति की कुल लागत हजारों या लाखों डॉलर तक बढ़ सकती है। शोध यह भी बताता है कि वर्तमान में इन प्रणालियों का उपयोग अक्सर अक्षम तरीके से किया जाता है। कुछ आंतरिक रिपोर्टें बताती हैं कि प्रमुख प्रौद्योगिकी कंपनियों के कर्मचारियों ने उन कार्यों के लिए अरबों टोकन का उपयोग किया है जिन्हें बहुत कम टोकन के साथ किया जा सकता था, जिससे बिना आनुपातिक लाभ के अनावश्यक प्रदूषण पैदा हुआ।

भारी उपयोग से जुड़ी उच्च लागतों के बावजूद, अध्ययन नोट करता है कि एक औसत व्यक्ति के लिए, चैटबॉट का कार्बन फुटप्रिंट कार चलाने या घर को गर्म करने जैसी अन्य दैनिक गतिविधियों की तुलना में अभी भी छोटा है। यूरोप में एक औसत व्यक्ति प्रति माह लगभग सात सौ पचास किलोग्राम कार्बन डाइऑक्साइड के बराबर उत्सर्जन करता है। केवल चैटबॉट का उपयोग करके प्रदूषण के उसी स्तर तक पहुँचने के लिए, एक व्यक्ति को अरबों टोकन प्रोसेस करने होंगे, जो सामान्य मानवीय उपयोग से कहीं अधिक है। हालांकि, अध्ययन चेतावनी देता है कि जैसे-जैसे ये तकनीकें हमारे जीवन में अधिक एकीकृत होंगी और अधिक जटिल कार्यों को संभालेंगी, उपयोग की कुल मात्रा बढ़ती जाएगी। शोधकर्ता इस बात पर जोर देते हैं कि प्रौद्योगिकी कंपनियों से पारदर्शिता की वर्तमान कमी के कारण सटीक संख्या जानना कठिन है, क्योंकि ऊर्जा उपयोग और टोकन गणना पर डेटा अक्सर छिपा हुआ या काल्पनिक होता है।

यह पेपर अंततः यह तर्क देता है कि हमें आर्टिफिशियल इंटेलिजेंस की छिपी हुई लागतों के बारे में अधिक जागरूक होने की आवश्यकता है। एक डिजिटल क्वेरी के कार्बन उत्सर्जन को एक परिचित मौद्रिक मूल्य से जोड़कर, अध्ययन का उद्देश्य जलवायु परिवर्तन की अमूर्त अवधारणा को अधिक ठोस और तत्काल बनाना है। यह सुझाव देता है कि जबकि यह तकनीक बड़े लाभ प्रदान करती है, इसका वर्तमान पथ ग्रह और भविष्य की पीढ़ियों पर एक महत्वपूर्ण बोझ डालता है। शोधकर्ता बेहतर डेटा, अधिक कुशल प्रणालियों और इस बारे में सोचने के तरीके में बदलाव का आह्वान करते हैं कि हमारे डिजिटल विकल्पों के पर्यावरणीय प्रभाव के बारे में क्या सोचा जाए। वे प्रस्ताव देते हैं कि "अल्टीमेट कार्बन कॉस्ट" को समझना व्यक्तियों और नीति निर्माताओं को अधिक सूचित निर्णय लेने में मदद कर सकता है, यह सुनिश्चित करते हुए कि आर्टिफिशियल इंटेलिजेंस का विकास पृथ्वी के स्वास्थ्य की कीमत पर न हो। अध्ययन यह दावा नहीं करता है कि इसने समस्या को हल कर लिया है, बल्कि यह हमारे डिजिटल भविष्य की वास्तविक कीमत के बारे में अधिक ईमानदार बातचीत की ओर एक मार्ग को आलोकित करने का प्रयास करता है।