AI कितनी बिजली खपत करता है?

लेख की गुणवत्ता और डेटा पारदर्शिता

• कई टिप्पणीकारों को लेख अपर्याप्त शोध-आधारित और संख्यात्मक रूप से लापरवाह लगता है (जैसे, स्मार्टफोन चार्जिंग के आंकड़े का गलत उद्धरण, संदिग्ध Netflix तुलना)।
• इस पर बहस कि बड़ी AI कंपनियाँ विस्तृत ऊर्जा आँकड़े क्यों प्रकाशित नहीं करतीं:
  • एक पक्ष: कई टीमों में AI-विशिष्ट उपयोग को एकत्र करना महँगा काम है, जिसे पत्रकार को आंशिक रूप से खुद करना चाहिए।
  • दूसरा पक्ष: कंपनियाँ जलवायु लागतों को बाहर स्थानांतरित करती हैं, इसलिए विस्तृत रिपोर्टिंग की अपेक्षा की जानी चाहिए, न कि इसे लेख के लिए “सजावट” की तरह फ्रेम किया जाए।
• कुछ लोगों को लगता है कि लेख कंपनियों को ऊर्जा के प्रति उदासीन दिखाता है, जबकि यह अनदेखा करता है कि अब कई शोधकर्ता अपने पेपर्स में compute उपयोग को ट्रैक और ऑप्टिमाइज़ करते हैं।

AI कितनी बिजली इस्तेमाल करता है

• बार-बार उठाया गया विषय: “हमें वास्तव में नहीं पता,” लेकिन AI डेटा सेंटर उपयोग का एक उपसमूह है।
• उद्धृत दायरे:
  • डेटा सेंटर वैश्विक बिजली का लगभग 1–2%; AI अभी छोटा लेकिन तेज़ी से बढ़ता हुआ हिस्सा है।
  • अनुमान कि AI+ML, परिभाषा के अनुसार, वैश्विक बिजली का 1–5% हो सकता है।
• GPT‑3 को प्रशिक्षित करना घरेलू उपयोग की तुलना में आश्चर्यजनक रूप से छोटा बताया गया है, लेकिन “उचित” तरीके से प्रशिक्षित नए मॉडल कहीं अधिक ऊर्जा-गहन होंगे।

पर्यावरणीय बाह्यताएँ और नवीकरणीय ऊर्जा

• कुछ का तर्क है कि बिजली उपयोग का महत्व मुख्यतः CO₂ के माध्यम से है, और hyperscalers आक्रामक रूप से नवीकरणीय ऊर्जा और offsets बना रहे हैं।
• अन्य लोग इस बात पर ज़ोर देते हैं कि कॉर्पोरेट अनुकूलन लाभ के लिए होता है, ग्रह की सीमाओं के लिए नहीं, और विनियमन तथा अनिवार्य पारदर्शिता की मांग करते हैं।
• इस पर बहस कि AI के लिए वैश्विक बिजली का 0.5–1% “छोटा” है या “बहुत बड़ा”; कुछ के लिए 1% प्रतिस्पर्धी जरूरतों को देखते हुए विशाल है।

मूल्य बनाम बर्बादी (AI बनाम क्रिप्टो)

• संशयवादी वर्तमान जनरेटिव AI को तुच्छ (बेकार टेक्स्ट, मीम इमेज) मानते हैं और इसे बड़े ऊर्जा बजट के लायक नहीं समझते।
• समर्थकों के अनुसार यह मूलभूत शोध और एक सामान्य-उद्देश्य उपकरण है, जो पहले से मदद कर रहा है:
  • ग्रिड ऑप्टिमाइज़ेशन, लॉजिस्टिक्स, कृषि, चिकित्सा निदान, धोखाधड़ी पहचान, आदि।
• लंबा साइड-थ्रेड AI की Bitcoin से तुलना करता है:
  • मोटे अनुमान Bitcoin को वैश्विक बिजली का लगभग ~0.3–0.4% बताते हैं।
  • Proof-of-work स्वभावतः ऊर्जा-गहन है; Ethereum का proof-of-stake में जाना भारी कटौती का रास्ता दिखाता है।
  • आलोचकों का कहना है कि deep learning में अब तक ऐसा कोई समान संरचनात्मक दक्षता-परिवर्तन नहीं दिखता।

हार्डवेयर, स्केलिंग, और Jevons paradox

• GPUs, TPUs, और संभावित ASICs पर चर्चा:
  • कुछ लोग मानते हैं कि विशेषीकृत चिप्स और एल्गोरिद्मिक प्रगति प्रति-inference ऊर्जा को काफी घटाएगी।
  • अन्य कहते हैं कि GPUs पहले से ही वर्तमान गणित के लिए लगभग इष्टतम हैं, और किसी भी लाभ को मांग की वृद्धि (Jevons paradox) पछाड़ देगी।
• चिंता कि जैसे-जैसे AI सस्ता और अधिक सक्षम होगा, उपयोग इतना बढ़ सकता है कि वह उपलब्ध सभी compute और ग्रिड बिजली के बड़े हिस्से को खा जाए, खासकर यदि AI स्वयं अधिक AI का स्वायत्त रूप से उपयोग करने लगे।

व्यापक प्रणालीगत लागतें और सामाजिक प्रश्न

• निम्न बिंदु उठाए गए:
  • चिप निर्माण के लिए ऊर्जा (जैसे, TSMC में advanced-node wafers) और वैश्विक सप्लाई चेन AI की “छिपी” लागतें हैं।
  • क्या पूरा टेक स्टैक प्रभावी रूप से automation/AI की सेवा में है।
  • जिन श्रमिकों की नौकरियाँ स्वचालित हो जाती हैं, उनके संसाधन-उपयोग का क्या होता है: क्या उनकी उपभोग-प्रथाएँ बदलती हैं, या AI शुद्ध अतिरिक्त भार है?