Can We Test Jevons Paradox in AI Inference? A Longitudinal Audit of Token Prices, Demand, and Energy (2022–2026)
यह शोधपत्र एक अनुदैर्ध्य डेटासेट और एक नया विश्लेषणात्मक ढांचा निर्मित करता है यह प्रदर्शित करने के लिए कि वर्तमान सार्वजनिक डेटा में उस आवश्यक सूक्ष्मता और कारण संबंधी पहचान का अभाव है जिससे यह सत्यापित किया जा सके कि क्या एआई (AI) अनुमान दक्षता एक जेवन्स विरोधाभास (Jevons Paradox) को प्रेरित कर रही है, क्योंकि देखे गए मूल्य स्थिरता और अपुष्ट मात्रा वृद्धि इस पर एक निश्चित निष्कर्ष निकालने से रोकते हैं कि क्या दक्षता अंततः कुल ऊर्जा मांग को सीमित करेगी या बढ़ाएगी।
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
कल्पना कीजिए कि एक ऐसी दुनिया है जहाँ किसी मशीन को अधिक स्मार्ट और चलाने में सस्ता बनाने से वास्तव में उसका उपयोग इतना बढ़ जाता है कि उसकी कुल ऊर्जा खपत आसमान छूने लगती है। यह एक ऐसे प्रश्न का केंद्र है जिसने एक सदी से अधिक समय से अर्थशास्त्रियों को उलझा रखा है, जिसे जेवन्स पैराडॉक्स (Jevons paradox) के रूप में जाना जाता है। यह सुझाव देता है कि जब हम किसी संसाधन का उपयोग करने में अधिक कुशल हो जाते हैं, तो हम अनिवार्य रूप से उस संसाधन की बचत नहीं करते; इसके बजाय, कम लागत हमें इसका उपयोग इतनी आक्रामक रूप से करने के लिए प्रोत्साहित करती है कि हमारी कुल खपत बढ़ जाती है। आज, यह प्रश्न कोयले की खदानों से निकलकर डिजिटल क्षेत्र में पहुँच गया है, जिसका केंद्र आर्टिफिशियल इंटेलिजेंस (AI) है। जैसे-जैसे AI मॉडल संचालित करने में तेज़ और सस्ते होते जा रहे हैं, इस बात पर तीखी बहस छिड़ी हुई है कि क्या यह दक्षता उद्योग की विशाल ऊर्जा भूख को सीमित करेगी या, इसके विपरीत, मांग में ऐसी विस्फोट को जन्म देगी जो बिजली उत्पन्न करने की हमारी क्षमता से कहीं आगे निकल जाएगी। इसे सुलझाने के लिए, हमें तीन चीजों को एक साथ होते हुए देखना होगा: AI का उपयोग करने की कीमत, इसके उपयोग की मात्रा, और इसे बनाने में लगने वाली वास्तविक ऊर्जा।
यूजेन स्पिवकक नामक एक शोधकर्ता ने 2022 से 2026 तक के वर्षों के लिए इन पहेली के तीन टुकड़ों को खोजने का लक्ष्य रखा। लक्ष्य एक एकल, एकीकृत रिकॉर्ड बनाना था जो AI टेक्स्ट की कीमत, उत्पन्न किए गए टेक्स्ट की मात्रा और उसे बनाने के लिए आवश्यक ऊर्जा को ट्रैक करता हो, और वह भी उन्हीं सेवाओं और समयावधि के लिए। स्पिवक ने ग्यारह प्रमुख AI डेवलपर्स के मूल्य पृष्ठों (pricing pages) के आर्काइव किए गए संस्करणों, टोकन (टेक्स्ट की बुनियादी इकाइयाँ) प्रोसेस किए जाने की संख्या के बारे में बयानों, और ऊर्जा उपयोग पर प्रकाशित आंकड़ों सहित सार्वजनिक स्रोतों से डेटा एकत्र करने में कई साल बिताए। परिणाम एक विशाल बहीखाता था जिसमें एक हजार से अधिक मूल्य बिंदु, दर्जनों वॉल्यूम विवरण और सौ से अधिक ऊर्जा आंकड़े शामिल थे। हालाँकि, इस कार्य का सबसे महत्वपूर्ण निष्कर्ष विरोधाभास की पुष्टि करना नहीं, बल्कि स्वयं डेटा के बारे में एक रहस्योद्घाटन है: सार्वजनिक रिकॉर्ड में उस प्रश्न का उत्तर देने के लिए आवश्यक जानकारी ही नहीं है।
जांच से पता चला कि हालांकि हमारे पास पर्याप्त संख्याएँ हैं, लेकिन वे शायद ही कभी इस तरह से मेल खाती हैं जिससे निष्पक्ष तुलना की जा सके। उदाहरण के लिए, जब शोधकर्ताओं ने समय के साथ विशिष्ट AI मॉडलों की कीमतों को देखा, तो उन्होंने पाया कि एक एकल मॉडल की लागत शायद ही कभी बदलती है। लगभग 700 मामलों में जहाँ एक ही मॉडल की विभिन्न समयों पर जाँच की गई थी, उसकी कीमत बिल्कुल समान रही। समाचारों में अक्सर उद्धृत नाटकीय गिरावट मौजूदा उपकरणों की लागत कम करने के कारण नहीं थी, बल्कि इसलिए थी क्योंकि मौजूदा महंगे मॉडलों के रहते बाजार में नए, सस्ते मॉडल पेश किए गए थे। यह अंतर महत्वपूर्ण है क्योंकि इसका अर्थ है कि AI की "कीमत" केवल दक्षता लाभ के कारण नहीं, बल्कि उत्पाद परिवर्तनों के कारण बदल रही है।
जब शोधकर्ता ने इन कीमतों को इस बात से मिलाने की कोशिश की कि लोग वास्तव में AI का कितना उपयोग कर रहे हैं, तो डेटा और भी खंडित हो गया। दो सबसे बड़े प्रदाताओं, गूगल और ओपनएआई (OpenAI) के लिए, स्पष्ट बयान दिखाते हैं कि उनके प्लेटफार्मों पर उत्पन्न टेक्स्ट की मात्रा अविश्वसनीय रूप से तेजी से बढ़ी है, जो 2025 और 2026 के बीच हर साल चार या पांच गुना से अधिक बढ़ गई। साथ ही, उनके मानक मॉडलों की कीमतें नहीं गिरीं; वास्तव में, कई श्रेणियों के लिए, वे बढ़ीं। यह एक भ्रमित करने वाली तस्वीर बनाता है जहाँ प्रति इकाई लागत गिरने के बावजूद उपयोग में विस्फोट हो रहा है। हालाँकि, एक महत्वपूर्ण अंतर बना हुआ है: वॉल्यूम विवरण यह निर्दिष्ट नहीं करते हैं कि वे वास्तव में किस प्रकार के टेक्स्ट की गणना कर रहे हैं। वे इसमें इनपुट टेक्स्ट, आउटपुट टेक्स्ट, या कैश (cached) डेटा शामिल कर सकते हैं, जबकि मूल्य सूचियाँ केवल विशिष्ट प्रकार के आउटपुट को कवर करती हैं। यह जाने बिना कि वॉल्यूम नंबर और मूल्य नंबर बिल्कुल एक ही चीज़ के बारे में बात कर रहे हैं या नहीं, यह कहना असंभव है कि उपयोग में वृद्धि क्या कीमत में गिरावट की सीधी प्रतिक्रिया थी।
वह गायब कड़ी जो पूरी तस्वीर को पूरा करने को असंभव बनाती है, वह है ऊर्जा का डेटा। हालांकि इस बारे में कई दावे हैं कि एक AI कितनी ऊर्जा का उपयोग करता है, उनमें से अधिकांश यह नहीं बताते कि उनके माप की सीमाएं क्या हैं। कुछ आंकड़े केवल कंप्यूटर चिप्स को गिनते हैं, जबकि अन्य पूरे भवन, कूलिंग सिस्टम और सर्वरों को चालू रखने के लिए उपयोग की जाने वाली बिजली को भी शामिल करते हैं, भले ही वे खाली (idle) हों। चूंकि ये माप अलग-अलग पैमानों पर लिए जाते हैं, इसलिए उन्हें एक-दूसरे के साथ विश्वसनीय रूप से तुलना नहीं किया जा सकता, और न ही उन्हें मूल्य और वॉल्यूम डेटा के साथ मिलाया जा सकता है। अध्ययन में पाया गया कि समीक्षा किए गए ऊर्जा आंकड़ों में से आधे से अधिक में, यह बताना असंभव था कि वास्तव में क्या मापा जा रहा था। कार्य की प्रति इकाई ऊर्जा के स्पष्ट, सुसंगत माप के बिना, और मूल्य एवं वॉल्यूम के बीच स्पष्ट संबंध के बिना, डेटा यह नहीं दिखा सकता कि क्या दक्षता उच्च खपत को बढ़ावा दे रही है।
अंततः, यह कठोर ऑडिट निष्कर्ष निकालता है कि हम अभी यह नहीं कह सकते कि AI जेवन्स पैराडॉक्स से जूझ रहा है। सार्वजनिक रिकॉर्ड बहुत ही अधूरा है कि यह सिद्ध किया जा सके कि दक्षता में सुधार कुल ऊर्जा उपयोग में उछाल का कारण बन रहा है, और न ही यह सिद्ध कर सकता है कि दक्षता अंततः इसके उपयोग को सीमित कर देगी। डेटा दिखाता है कि AI का उपयोग तेजी से बढ़ रहा है, लेकिन यह नहीं दिखाता कि इस वृद्धि का कारण कम कीमतें या बेहतर दक्षता है। शोधकर्ता का तर्क है कि इस रहस्य को सुलझाने के लिए, इन प्रणालियों को बनाने वाली कंपनियों को स्पष्ट डेटा प्रकाशित करना शुरू करना चाहिए। उन्हें यह स्पष्ट रूप से बताना होगा कि कोई कीमत कब प्रभावी होती है, उनके वॉल्यूम नंबर वास्तव में क्या गिनते हैं, और उनके ऊर्जा माप की सीमाएं क्या हैं, यह स्पष्ट रूप से परिभाषित करना होगा। जब तक ये विवरण प्रदान नहीं किए जाते, तब तक AI के ऊर्जा भविष्य की बहस तथ्य के बजाय केवल एक सिद्धांत बनी रहेगी, जिससे हम यह जानने में असमर्थ रहेंगे कि क्या यह मशीन एक टिकाऊ उपकरण बन रही है या शक्ति की एक अतृप्त उपभोक्ता।
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।