कृत्रिम बुद्धिमत्ता अपार ऊर्जा की मांग करती है

कृत्रिम बुद्धिमत्ता एक विशाल मात्रा में ऊर्जा की मांग करती है

कृत्रिम बुद्धिमत्ता क्षेत्र तेजी से प्रगति कर रहा है, लेकिन इस प्रगति का ऊर्जावान लागत बहुत बड़ा है। डेटा प्रोसेसिंग जो जटिल मॉडलों को प्रशिक्षित करने और चलाने के लिए आवश्यक है, बड़े पैमाने पर कम्प्यूटिंग इंफ्रास्ट्रक्चर की आवश्यकता होती है, जो वैश्विक विद्युत नेटवर्क पर दबाव डालता है और लंबे समय तक इसकी स्थिरता पर गंभीर सवाल खड़े करता है। ⚡

OpenAI अपनी महत्वपूर्ण संचालन के लिए डीजल बैकअप स्थापित करता है

अपने सिस्टम को कभी न रुकने के लिए सुनिश्चित करने के लिए, OpenAI ने अपनी कुछ सुविधाओं में आपातकालीन डीजल जनरेटर तैनात किए हैं। ये इकाइयाँ, बड़े आकार के विमानों के इंजनों के समकक्ष शक्ति वाली, मुख्य विद्युत नेटवर्क में विफलता के मामले में बैकअप के रूप में कार्य करती हैं। यह उपाय निरंतर और बिना रुकावट विद्युत आपूर्ति पर अत्यधिक निर्भरता को दर्शाता है।

• जनरेटरों का आकार और क्षमता बोइंग 747 जैसे विमानों को प्रणोदित करने वाले लोगों के समान है।
• उनका मुख्य कार्य मुख्य नेटवर्क में कटौती के दौरान संचालन की निरंतरता सुनिश्चित करना है।
• यह समाधान IA डेटा सेंटर्स की कमजोरी और उच्च आधारभूत खपत को रेखांकित करता है।

IA में अगली सीमा एक अधिक शक्तिशाली एल्गोरिदम नहीं हो सकती, बल्कि यह तरीका हो सकता है जिससे यह कम बिजली खपत करे।

राष्ट्रों की मांग के साथ खपत की तुलना

वर्तमान अनुमान बताते हैं कि IA क्षेत्र मध्यम आकार के पूरे देशों जितनी बिजली की मांग कर सकता है। यह खपत स्तर न केवल मौजूदा इंफ्रास्ट्रक्चर पर दबाव डालता है, बल्कि उस ऊर्जा के स्रोत पर बहस को भी तेज करता है, विशेष रूप से यदि वह जीवाश्म ईंधन से आती है।

• मांग विद्युत नेटवर्क पर दबाव डालती है, पीढ़ी और वितरण क्षमता में निवेश की आवश्यकता होती है।
• ऊर्जा का स्रोत महत्वपूर्ण है; यदि यह गैर-नवीकरणीय स्रोतों से है, तो पर्यावरणीय प्रभाव बढ़ जाता है।
• हार्डवेयर और एल्गोरिदम को अधिक कुशल बनाने के लिए अनुकूलित करना सर्वोच्च प्राथमिकता बन जाता है।

दक्षता के रूप में अगला बड़ा प्रगति

जबकि कुछ कंपनियाँ अधिक सर्वर जोड़ने पर ध्यान केंद्रित कर रही हैं, शोधकर्ता और तकनीकी समुदाय का एक बढ़ता हिस्सा IA की ऊर्जा बिल को कम करने के तरीके खोज रहा है। क्षेत्र का भविष्य बड़े मॉडल बनाने पर कम और कम संसाधनों से अधिक प्राप्त करने वाले सिस्टम डिजाइन पर अधिक निर्भर हो सकता है, नवाचार को पर्यावरणीय जिम्मेदारी के साथ संतुलित करते हुए।