AgentDecarbonizer: Carbon-Aware Execution for AI Agents
यह शोध पत्र AgentDecarbonizer को प्रस्तुत करता है, जो AI एजेंटों के लिए एक कार्बन-जागरूक निष्पादन अनुकूलक (execution optimizer) है, जो निष्पादन अनिश्चितताओं और कैश पुनर्गणना ओवरहेड (cache recomputation overhead) को ध्यान में रखते हुए, कम कार्बन-तीव्रता वाले अवधियों या स्वच्छ ग्रिड के दौरान कार्यों को शेड्यूल करने के लिए समय सीमा की लचीलेपन का लाभ उठाकर कार्बन उत्सर्जन को 57.9% तक कम 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
जब भी कोई कंप्यूटर गणना करता है, तो वह बिजली ग्रिड से बिजली लेता है। यह बिजली हमेशा स्वच्छ नहीं होती; इस बात पर निर्भर करता है कि बिजली कहाँ से आ रही है और इसे कब उत्पन्न किया जा रहा है, इस प्रक्रिया से वातावरण में कार्बन डाइऑक्साइड की अलग-अलग मात्रा निकल सकती है। हाल के वर्षों में, एक नए प्रकार का सॉफ्टवेयर उभरा है जो एक डिजिटल सहायक की तरह कार्य करता है जो जटिल, बहु-चरणीय सोच रखने में सक्षम है। एक साधारण चैटबॉट के विपरीत जो केवल एक प्रश्न का उत्तर देता है और रुक जाता है, ये स्वायत्त एजेंट (autonomous agents) एक लंबी यात्रा की योजना बना सकते हैं, इसे छोटे कार्यों में विभाजित कर सकते हैं, जानकारी एकत्र करने के लिए उपकरणों का उपयोग कर सकते हैं, और रास्ते में अपनी गलतियों को सुधार सकते हैं। वे निरंतर मानवीय पर्यवेक्षण के बिना कोड लिख सकते हैं, डेटा का विश्लेषण कर सकते हैं, या शेड्यूल प्रबंधित कर सकते हैं। हालाँकि, क्योंकि ये एजेंट मानक चैट की तुलना में लंबे समय तक चलते हैं और अंतर्निहित आर्टिफिशियल इंटेलिजेंस मॉडलों को बहुत अधिक अनुरोध भेजते हैं, इसलिए वे काफी अधिक ऊर्जा की खपत करते हैं। जैसे-जैसे ये उपकरण अधिक सामान्य होते जा रहे हैं, उनकी अंतहीन सोच का कार्बन फुटप्रिंट एक गंभीर पर्यावरणीय चिंता बनता जा रहा है।
वाटरलू विश्वविद्यालय और शिकागो विश्वविद्यालय के शोधकर्ताओं ने एक नई प्रणाली विकसित की है जिसे इन डिजिटल सहायकों को उन्हें धीमा किए या कम प्रभावी बनाए बिना अधिक पर्यावरण के अनुकूल बनाने के लिए डिज़ाइन किया गया है। वे अपने इस टूल को 'एजेंट डीकार्बोनाइज़र' (AgentDecarbonizer) कहते हैं। यह कैसे काम करता है, इसे समझने के लिए, सबसे पहले यह देखना होगा कि ये एजेंट कैसे काम करते हैं। जब किसी एजेंट को कोई कार्य दिया जाता है, तो वह केवल एक बार नहीं सोचता; वह एक लूप (चक्र) में सोचता है। वह एक प्रश्न पूछता है, एक उत्तर प्राप्त करता है, वेब सर्च या फ़ाइल एडिटर जैसे उपकरण का उपयोग करता है, और फिर उस नई जानकारी का उपयोग अगले प्रश्न को पूछने के लिए करता है। यह चक्र कई बार दोहराया जाता है। शोधकर्ताओं ने पाया कि यह प्रक्रिया "इनपुट" पर बहुत भारी है, जिसका अर्थ है कि एजेंट बातचीत के इतिहास और पिछले चरणों से अवगत रहने के लिए कंप्यूटर मॉडल को पाठ (text) की एक विशाल मात्रा भेजता है। क्योंकि एजेंट अक्सर इस इतिहास के हिस्सों को दोहराता है, कंप्यूटर सिस्टम पहले से संसाधित की गई चीज़ों को याद रखकर ऊर्जा बचा सकता है, जिसे 'कॉन्टेक्स्ट कैशिंग' (context caching) नामक तकनीक कहा जाता है। यदि एजेंट एक ही स्थान पर रहता है, तो वह अपनी इन सहेजी गई यादों का पुन: उपयोग कर सकता है। यदि वह किसी अलग स्थान पर जाता है, तो उसे सब कुछ भूलना और फिर से सीखना पड़ता है, जिससे ऊर्जा बर्बाद होती है।
टीम ने पाया कि इन एजेंटों को चलाने की कार्बन लागत मुख्य रूप से दो चीजों पर निर्भर करती है: कंप्यूटर कहाँ स्थित है और काम कब किया जाता है। दुनिया के विभिन्न हिस्सों में बिजली ग्रिड अलग-अलग ऊर्जा स्रोतों पर निर्भर करते हैं। कुछ क्षेत्र अपनी अधिकांश शक्ति पवन, सौर या जलविद्युत बांधों से प्राप्त करते हैं, जो बहुत कम कार्बन पैदा करते हैं। अन्य कोयले या गैस जैसे जीवाश्म ईंधन पर अधिक निर्भर करते हैं, जो बहुत अधिक कार्बन पैदा करते हैं। इसके अलावा, ऊर्जा का मिश्रण पूरे दिन बदलता रहता है। एक ग्रिड दोपहर में बहुत स्वच्छ हो सकता है जब सूरज चमक रहा हो, लेकिन रात में गंदा हो सकता है जब सौर ऊर्जा उपलब्ध नहीं होती। शोधकर्ताओं ने देखा कि एक विशिष्ट समय पर एक विशेष क्षेत्र में चलने वाला एजेंट, दूसरे क्षेत्र या दूसरे समय में चलने वाले उसी एजेंट की तुलना में लगभग तीन गुना अधिक कार्बन उत्सर्जन कर सकता है।
इसे हल करने के लिए, शोधकर्ताओं ने एजेंट डीकार्बोनाइज़र को एक स्मार्ट शेड्यूलर के रूप में बनाया है जो एजेंट के साथ चलता है। एजेंट को अपना काम तुरंत शुरू करने देने के बजाय, यह प्रणाली आगे की देखती है। यह अनुमान लगाती है कि कार्य में कितना समय लगेगा और दुनिया के विभिन्न हिस्सों में बिजली की स्वच्छता के पूर्वानुमान की जाँच करती है। यदि एजेंट के पास एक लचीली समय सीमा है, जैसे कि कोई कार्य जिसे चौबीस घंटों के भीतर पूरा किया जाना है, तो प्रणाली उस समय तक प्रतीक्षा कर सकती है जब ग्रिड सबसे स्वच्छ हो। यह कार्य को ऐसे क्षेत्र में स्थानांतरित करने का निर्णय भी ले सकती है जहाँ हवा अधिक स्वच्छ हो। हालाँकि, प्रणाली केवल इसलिए काम को नहीं बदलती क्योंकि कागज़ पर कोई क्षेत्र स्वच्छ दिखता है। यह गणना करती है कि क्या स्वच्छ बिजली का उपयोग करने से बची ऊर्जा, एजेंट की स्मृति को नए स्थान पर ले जाने के प्रयास में बर्बाद हो जाएगी। यदि जाने और फिर से सीखने की लागत बहुत अधिक है, तो प्रणाली एजेंट को वहीं रखती है, भले ही स्थानीय बिजली थोड़ी अधिक गंदी हो।
शोधकर्ताओं ने अपने सिस्टम का परीक्षण साठ वास्तविक कार्यों के एक संग्रह का उपयोग करके किया, जो वैज्ञानिक पत्रों के विश्लेषण से लेकर कंप्यूटर कोड को डीबग करने तक विस्तृत थे। उन्होंने इन कार्यों को चार अलग-अलग पावर ग्रिडों में चलाया जिनमें ऊर्जा के विविध मिश्रण थे। परिणामों ने दिखाया कि काम को कब और कहाँ चलाना है, इसका सावधानीपूर्वक चयन करके, प्रणाली कार्बन उत्सर्जन को नाटकीय रूप से कम कर सकती है। जब किसी कार्य को पूरा करने के लिए पूरे दिन का समय दिया गया, तो इस प्रणाली ने कार्बन की अनदेखी करने वाले मानक दृष्टिकोण की तुलना में उत्सर्जन को 57.9 प्रतिशत तक कम कर दिया। यहाँ तक कि जब समय सीमा सख्त थी, जिसमें केवल तीन घंटे का समय था, तब भी प्रणाली उत्सर्जन को 34 प्रतिशत से अधिक कम करने में सफल रही। इस प्रणाली ने यह सिद्ध कर दिया कि इन शक्तिशाली डिजिटल सहायकों को केवल यह तय करके कि वे अपना काम कब और कहाँ करेंगे, अधिक टिकाऊ बनाया जा सकता है, जिससे यह सुनिश्चित होता है कि आर्टिफिशियल इंटेलिजेंस का भविष्य पृथ्वी की जलवायु की कीमत पर न आए।
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।