Governing AI Data-Centre Resources Before Consumption: The ZERO Framework
यह शोध पत्र ZERO फ्रेमवर्क प्रस्तुत करता है, जो एक परिचालन शासन मॉडल है जो वर्कलोड निष्पादन से पहले बहु-संसाधन स्वीकार्यता बाधाओं को लागू करके AI डेटा-सेंटर स्थिरता निर्णय लेने की प्रक्रिया को अपस्ट्रीम में स्थानांतरित करता है, जिससे पोस्ट-हॉक दक्षता मेट्रिक्स के बजाय समग्र संसाधन उपलब्धता को प्राथमिकता दी जाती है।
मूल पेपर CC BY 4.0 (https://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
आर्टिफिशियल इंटेलिजेंस के बारे में अक्सर एक डिजिटल घटना के रूप में चर्चा की जाती है, एल्गोरिदम और डेटा की एक ऐसी दौड़ जो अदृश्य बादलों के माध्यम से चलती है। लेकिन वास्तविकता कहीं अधिक भौतिक है। हर बार जब कोई मॉडल कुछ सीखता है या किसी प्रश्न का उत्तर देता है, तो उसे प्रोसेसर को चलाने के लिए भारी मात्रा में बिजली, मशीनों को ठंडा करने के लिए पानी और उस बुनियादी ढांचे के निर्माण के लिए कच्चे माल की आवश्यकता होती है जो इसे थामे रखता है। जैसे-जैसे ये सिस्टम बढ़ रहे हैं, वे ग्रह के संसाधनों पर एक महत्वपूर्ण दबाव बन रहे हैं। इस दबाव को प्रबंधित करने का वर्तमान तरीका आमतौर पर काम होने के बाद होता है। हम एक डेटा सेंटर बनाते हैं, कंप्यूटर चलाते हैं, और फिर मापते हैं कि कितनी ऊर्जा या पानी का उपयोग किया गया। हम प्रक्रिया को अधिक कुशल बनाने की कोशिश कर सकते हैं, लेकिन काम शुरू करने के निर्णय पर शायद ही कभी सवाल उठाया जाता है। प्रश्न यह बना हुआ है: सिर्फ इसलिए कि हम एक गणना (computation) चला सकते हैं, क्या यह तर्कसंगत है कि इसे अभी, इसी विशिष्ट स्थान पर, स्थानीय जल स्तर और पावर ग्रिड की स्थितियों को देखते हुए किया जाए?
स्वतंत्र शोधकर्ता मारिया कोलिया का एक नया दृष्टिकोण इस स्थिति को संभालने का एक अलग तरीका प्रस्तावित करता है, जिसे ZERO फ्रेमवर्क कहा जाता है। यह नाम कोई संक्षिप्त रूप (acronym) नहीं है, न ही यह वादा करता है कि मशीनें बिल्कुल कुछ भी उपयोग नहीं करेंगी। इसके बजाय, यह समय के बदलाव (shift in timing) का प्रतिनिधित्व करता है। फ्रेमवर्क का तर्क है कि हमें यह कठोर निर्णय लेना चाहिए कि किसी कार्य को चलाने की अनुमति दी जानी चाहिए या नहीं, इससे पहले कि कोई भी संसाधन खर्च हो। यह एक द्वारपाल (gatekeeper) के रूप में कार्य करता है जो कंप्यूटर चालू होने से पहले ही स्थानीय वातावरण और कार्य की आवश्यकता की जांच करता है। यदि कोई डेटा सेंटर ऐसे क्षेत्र में है जहाँ जल आपूर्ति गंभीर रूप से कम है, या यदि स्थानीय पावर ग्रिड अस्थिर है, तो फ्रेमवर्क सुझाव देता है कि काम को रोक दिया जाना चाहिए या स्थानांतरित कर दिया जाना चाहिए, भले ही वह सेंटर अन्यथा बहुत कुशल क्यों न हो। यह दृष्टिकोण केवल इस बात को मापने से हटकर है कि एक मशीन कितनी अच्छी तरह चलती है, बल्कि इस पर केंद्रित है कि क्या उसे चलना भी चाहिए।
इसका मूल विचार नियमों के एक सरल पदानुक्रम (hierarchy) पर आधारित है। सबसे पहले, सिस्टम पूछता है कि क्या गणना वास्तव में आवश्यक है। यदि यह आवश्यक है, तो यह फिर जांचता है कि क्या काम कम बिजली के साथ या अधिक स्मार्ट तरीके से किया जा सकता है। इन प्रश्नों के उत्तर मिलने के बाद ही यह देखता है कि काम कहाँ होना चाहिए। फ्रेमवर्क "कठोर नियमों" का एक सख्त सेट पेश करता है जिसे किसी भी विकल्प के रूप में विचार किए जाने से पहले एक सुविधा (facility) को पास करना होता है। इन नियमों में स्थानीय कानून, सुरक्षा आवश्यकताएं या पर्यावरणीय सीमाएं शामिल हो सकती हैं, जैसे कि कूलिंग के लिए उपलब्ध पानी की न्यूनतम मात्रा। यदि कोई सुविधा इन कठोर नियमों में से एक को भी पूरा करने में विफल रहती है, तो उसे तुरंत विचार से बाहर कर दिया जाता है। कोई भी दक्षता या कम कार्बन उत्सर्जन उन बुनियादी सुरक्षा या पर्यावरणीय मानकों को पूरा करने की कमी की भरपाई नहीं कर सकता। यह वर्तमान तरीकों से एक महत्वपूर्ण अंतर है, जो अक्सर व्यापार-संतुलन (trade-offs) बनाने की कोशिश करते हैं, जैसे कि कम कार्बन उत्सर्जन के बदले उच्च जल उपयोग को स्वीकार करना। ZERO कहता है कि यदि पानी संकटपूर्ण है, तो यह समझौता (trade-off) मान्य नहीं है।
यह देखने के लिए कि यह तर्क व्यवहार में कैसे काम करेगा, लेखक ने तीन अलग-अलग डेटा सेंटरों को शामिल करते हुए एक विस्तृत सिमुलेशन बनाया। एक स्थानीय सुविधा थी, दूसरी के पास बहुत स्वच्छ बिजली थी लेकिन वह पानी की भारी कमी वाले क्षेत्र में स्थित थी, और तीसरी के पास मध्यम बिजली थी लेकिन पर्याप्त पानी और अपनी उत्पन्न गर्मी को पुन: उपयोग करने का तरीका था। एक मानक परिदृश्य में, एक कंप्यूटर प्रोग्राम जो केवल न्यूनतम कार्बन उत्सर्जन की तलाश में है, दूसरे केंद्र को चुनेगा, जो स्वच्छ शक्ति वाला है। हालांकि, ZERO फ्रेमवर्क के तहत, उस केंद्र को उसके गंभीर जल स्तर के कारण तुरंत ब्लॉक कर दिया जाता है। सिस्टम फिर शेष विकल्पों को देखता है और तीसरे केंद्र को चुनता है। हालांकि इस कार्य को वहां भेजने के लिए थोड़ा अधिक बिजली का उपयोग होता है, लेकिन यह जल-दुर्लभ क्षेत्र से पानी निकालने के पर्यावरणीय नुकसान से बचता है। सिमुलेशन ने दिखाया कि इन नियमों का पालन करके, चयनित विकल्प ने काफी कम पानी का उपयोग किया और स्थानीय डिफॉल्ट सुविधा को चलाने की तुलना में बहुत कम कार्बन फुटप्रिंट भी पैदा किया।
फ्रेमवर्क इस तथ्य को भी ध्यान में रखता है कि स्थितियां बदलती रहती हैं। एक डेटा सेंटर जो आज सुबह उपयोग के लिए सुरक्षित था, वह एक घंटे में सुरक्षित नहीं रह सकता है यदि जल स्तर गिर जाता है या पावर ग्रिड में उतार-चढ़ाव आता है। सिस्टम इन स्थितियों की निरंतर जांच करने के लिए डिज़ाइन किया गया है। यदि कोई सुविधा सुरक्षा सीमा को पार करती है, तो काम को रोक दिया जाता है या दूसरे स्थान पर स्थानांतरित कर दिया जाता है। यह निरंतर निगरानी सुनिश्चित करती है कि शुरुआत में लिया गया निर्णय पूरी प्रक्रिया के दौरान वैध बना रहे। इसके लिए यह भी आवश्यक है कि निर्णय लेने के लिए उपयोग की गई जानकारी ताज़ा और विश्वसनीय हो। यदि किसी सुविधा के पानी या बिजली की स्थिति के बारे में डेटा बहुत पुराना है, तो सिस्टम उस सुविधा को तब तक अनुपलब्ध मानता है जब तक कि नई, सत्यापित जानकारी प्राप्त न हो जाए। यह दुनिया के पुराने मानचित्रों के आधार पर निर्णय लेने से रोकता है।
लेखक सावधानीपूर्वक यह नोट करते हैं कि यह संसाधनों के शासन (governance) के लिए एक प्रस्ताव है, न कि एक सिद्ध समाधान जिसे अभी तक वास्तविक दुनिया में परखा नहीं गया है। प्रस्तुत परिणाम एक कृत्रिम उदाहरण पर आधारित हैं जिसे यह दिखाने के लिए बनाया गया है कि तर्क कैसे काम करता है, न कि यह साबित करने के लिए कि यह तरीका हर स्थिति में ऊर्जा या पानी की विशिष्ट मात्रा बचाएगा। पेपर का तर्क है कि AI बुनियादी ढांचे के प्रबंधन का वर्तमान तरीका अधूरा है क्योंकि यह संसाधनों के उपयोग शुरू होने के बाद उन्हें मापने और प्रबंधित करने का इंतजार करता है। निर्णय बिंदु को पहले लाकर, ZERO फ्रेमवर्क का लक्ष्य बर्बादी होने से पहले ही उसे रोकना है। यह सुझाव देता है कि टिकाऊ होने का सबसे प्रभावी तरीका केवल बेहतर मशीनें बनाना नहीं है, बल्कि यह कहने का अधिकार रखना है कि "नहीं" या "यहाँ नहीं" जब स्थानीय स्थितियां मांग को पूरा करने में सक्षम न हों।
इस विचार के आगे बढ़ने का मार्ग वास्तविक दुनिया के परीक्षणों की एक श्रृंखला है। लेखक विभिन्न मौसम या ग्रिड स्थितियों में नियम कैसे प्रदर्शन करते, यह देखने के लिए पिछले डेटा का उपयोग करके सिमुलेशन के साथ शुरुआत करने का सुझाव देते हैं। अगले चरणों में "शैडो मोड" में सिस्टम का परीक्षण करना शामिल होगा, जहां यह वास्तविक डेटा सेंटरों के साथ चलता है और मशीनों को नियंत्रित किए बिना केवल सिफारिशें देता है। अंततः, नियंत्रित पायलट परीक्षण लाइव वातावरण में सिस्टम का परीक्षण करेंगे, जो न केवल पर्यावरणीय लाभों को बल्कि ऐसे शासन प्रणाली को चलाने की लागत और जटिलता को भी मापेंगे। जब तक ये परीक्षण नहीं हो जाते, फ्रेमवर्क समस्या के बारे में सोचने का एक संरचित तरीका बना रहता है, जो यह सुनिश्चित करने के लिए नियमों का एक स्पष्ट सेट प्रदान करता है कि आर्टिफिशियल इंटेलिजेंस का विकास स्थानीय पर्यावरण की कीमत पर न हो। यह डिजिटल प्रगति पर एक माध्यमिक विवरण के रूप में प्रबंधित करने के बजाय, हमारे ग्रह की भौतिक सीमाओं को एक प्राथमिक बाधा के रूप में मानने का आह्वान है।
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।