ആഗോളതാപനവും കാലാവസ്ഥാ വ്യതിയാനവും ത്വരിതപ്പെടുത്താൻ GenAI-ക്ക് കഴിയും
കുതിച്ചുയരുന്ന ദൈനംദിന താപനില, കാനഡയിലെ കാട്ടുതീ, വിശദീകരിക്കാനാകാത്ത ചൂടുള്ള സമുദ്ര പ്രവാഹങ്ങൾ; കാലാവസ്ഥാ വ്യതിയാനത്തെക്കുറിച്ചുള്ള ആശങ്കകൾ വർദ്ധിച്ചു. നിലവിൽ ദുബായിൽ നടക്കുന്ന സിഒപി 28 ഉച്ചകോടി മനുഷ്യ പ്രവർത്തനങ്ങൾ കാലാവസ്ഥയിൽ അനിശ്ചിതത്വം സൃഷ്ടിക്കുകയും നമ്മുടെ ജീവിതത്തെ പലവിധത്തിൽ ബാധിക്കുകയും ചെയ്യുന്ന എല്ലാ വഴികളും പരിശോധിക്കുന്നു.
കാലാവസ്ഥാ വ്യതിയാനത്തെക്കുറിച്ചുള്ള സംഭാഷണങ്ങളിൽ അപൂർവമായി മാത്രം ഇടംപിടിക്കുന്ന മറ്റൊരു വിഷയമുണ്ട് – സാങ്കേതികവിദ്യ. കഴിഞ്ഞ വർഷം മുതൽ, ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ (ജെൻഎഐ) വരവ് ഭ്രാന്തമായ ആവേശത്തിന്റെ ഒരു തരംഗം സൃഷ്ടിച്ചു, അതുപോലെ നമുക്ക് നിയന്ത്രിക്കാൻ കഴിയാത്ത ഒരു ഫ്രാങ്കൻസ്റ്റൈൻ ഞങ്ങൾ സൃഷ്ടിച്ചിട്ടുണ്ടോ എന്നതിനെക്കുറിച്ചുള്ള ആശങ്കയുടെ നിഴലും സൃഷ്ടിച്ചു. ആഗോളതാപനവും കാലാവസ്ഥാ വ്യതിയാനവും ത്വരിതപ്പെടുത്തുന്നതിന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനും ജെൻഎഐക്കും എങ്ങനെ പ്രവർത്തിക്കാൻ കഴിയും എന്നതിനെക്കുറിച്ച് വളരെ കുറച്ച് മാത്രമേ ചർച്ച ചെയ്യപ്പെടുന്നുള്ളൂ.
ബ്ലോക്ക്ചെയിനും ക്രിപ്റ്റോയും ഒരു പാരിസ്ഥിതിക ദുരന്തമാണെന്ന് ധാരാളം എഴുതുകയും സംസാരിക്കുകയും ചെയ്തിട്ടുണ്ട്; എന്നാൽ AI യും GenAI യും അതുപോലെയാണ്. ജെൻഎഐ പരിസ്ഥിതിയെ തരംതാഴ്ത്തുന്ന മൂന്ന് മാർഗങ്ങളുണ്ട്:
ഒന്ന്, ഭീമാകാരമായ ജെൻഎഐ മോഡലുകൾ പരിശീലിപ്പിക്കുന്നതിന് വളരെയധികം ഊർജ്ജം ആവശ്യമാണ്, ഇത് വലിയ കാർബൺ പുറന്തള്ളലിലേക്ക് നയിക്കുന്നു. ഉദാഹരണത്തിന്, 213 ദശലക്ഷം ജെൻഎഐ മോഡൽ ഒരിക്കൽ മാത്രം പരിശീലിപ്പിക്കുന്നത് 125 ന്യൂയോർക്ക്-ബീജിംഗ് റൗണ്ട് ഫ്ലൈറ്റ് യാത്രകൾക്ക് സമാനമായ കാർബൺ പുറന്തള്ളൽ പുറന്തള്ളാൻ കഴിയും! ഇത് ഒരു ചെറിയ മോഡലാണ്, ജിപിടി 3 175 ബില്യൺ പാരാമീറ്ററുകളുള്ള 800 മടങ്ങ് വലുതാണ്, ജിപിടി 4 ഉം ഗൂഗിളിന്റെ ബാർഡും ഇതിലും വലുതാണ്. കൂടാതെ, ഈ മോഡലുകളിൽ ഭൂരിഭാഗവും പരമാവധി കൃത്യത കൈവരിക്കുന്നതിന് ഒന്നിലധികം തവണ പരിശീലനം നൽകുന്നു.
രണ്ട്, ഈ മോഡലുകളിൽ ഭൂരിഭാഗവും ക്ലൗഡിൽ ജീവിക്കുന്നു; ഉദാഹരണത്തിന്, GPT Microsoft Azure-ൽ ഉണ്ട്. ‘ക്ലൗഡ്’ എന്നത് നമ്മുടെ ഗ്രഹത്തിന് ചുറ്റുമുള്ള നൂറുകണക്കിന് ഡാറ്റാ സെന്ററുകളല്ലാതെ മറ്റൊന്നുമല്ല, ഇത് ജലത്തെയും വൈദ്യുതിയെയും വലിയ അളവിൽ നിയന്ത്രിക്കുന്നു. ഡാറ്റാ സെന്ററുകൾ നിലവിൽ പ്രതിവർഷം 200 ടെറാവാട്ട് മണിക്കൂർ ഉപയോഗിക്കുന്നുവെന്ന് സമീപകാല ഗാർഡിയൻ ലേഖനം വെളിപ്പെടുത്തി, ഇത് ദക്ഷിണാഫ്രിക്ക ഇന്ന് ഉപയോഗിക്കുന്നതിന് തുല്യമാണ്. 2030 ഓടെ ഈ വൈദ്യുതി ഉപഭോഗം ലോകത്തിലെ മൂന്നാമത്തെ വലിയ സമ്പദ്വ്യവസ്ഥയായ ജപ്പാനെ മറികടക്കുമെന്ന് കണക്കാക്കപ്പെടുന്നു! ലോകമെമ്പാടുമുള്ള കമ്പ്യൂട്ടിംഗ് ആവശ്യം 10 വർഷത്തിനുള്ളിൽ മൊത്തം ലോക വൈദ്യുതി ഉൽപാദനത്തെ മറികടക്കുമെന്ന് ഒരു ആഗോള അർദ്ധചാലക സമ്മേളനം പ്രവചിച്ചു.
മൂന്നാമതായി, ടി എസ് എം സി, എൻവിഡിയ പോലുള്ളവ നിർമ്മിക്കുന്ന ചിപ്പുകളാണ് ജെൻഎഐ മോഡലുകളുടെ അടിത്തറ. ഭീമാകാരമായ ചിപ്പ് ഫാബ്രിക്കേഷൻ പ്ലാന്റുകൾ അല്ലെങ്കിൽ ഫാബുകൾക്ക് വലിയ അളവിൽ വൈദ്യുതിയും ശുദ്ധമായ വെള്ളവും ആവശ്യമാണ്. ഒരു സാധാരണ ഫാബിന് പ്രതിദിനം 5 ദശലക്ഷം ഗാലൻ വെള്ളവും 30 മുതൽ 50 മെഗാവാട്ട് വരെ പരമാവധി വൈദ്യുതിയും ആവശ്യമായി വന്നേക്കാം – 50,000 താമസക്കാരുള്ള ഒരു പട്ടണം ഓരോ ദിവസവും ഉപയോഗിക്കുന്ന തുക.
ലോകമെമ്പാടുമുള്ള വലിയ ടെക് കമ്പനികൾ വലുതും വലുതുമായ മോഡലുകൾ നിർമ്മിക്കാൻ മത്സരിക്കുമ്പോൾ, ക്ലൗഡ് ദാതാക്കൾ കൂടുതൽ ശക്തമായ മേഘങ്ങൾ നിർമ്മിക്കുമ്പോൾ, അർദ്ധചാലക കമ്പനികൾ ജെൻഎഐയുടെയും മറ്റ് സാങ്കേതികവിദ്യകളുടെയും ആവശ്യം നിറവേറ്റുന്നതിനായി ലോകമെമ്പാടും നൂറുകണക്കിന് ഫാബുകൾ (ഫാബ്രിക്കേഷൻ സൗകര്യങ്ങൾ) നിർമ്മിക്കാൻ ശ്രമിക്കുമ്പോൾ, കാർബൺ കാൽപ്പാടുകൾ ക്രമാതീതമായി വർദ്ധിക്കുന്നു, ശുദ്ധമായ വൈദ്യുതി നിലനിർത്താൻ പാടുപെടുന്നു, ജല പട്ടികകൾ കുറയുന്നു. ഇതൊരു ഇരുണ്ട ചിത്രമാണ്, അതിനെക്കുറിച്ച് നമുക്ക് എന്തുചെയ്യാൻ കഴിയും?
ലോകമെമ്പാടുമുള്ള വലിയ കാലാവസ്ഥാ ഉച്ചകോടികളിൽ സാങ്കേതികവിദ്യയും കാലാവസ്ഥാ വ്യതിയാനത്തിൽ അതിന്റെ സ്വാധീനവും സംഭാഷണങ്ങളിലേക്ക് കൊണ്ടുവന്നുകൊണ്ട് കമ്മ്യൂണിറ്റികളിലും സമൂഹങ്ങളിലും അവബോധം വളർത്തണം. നമ്മുടെ ലോകത്തെ മികച്ച സ്ഥലമാക്കി മാറ്റുന്ന അത്യാധുനിക സാങ്കേതികവിദ്യകൾ സൃഷ്ടിക്കുന്നത് തുടരുമ്പോൾ ബിഗ് ടെക്കിന് സംഭാഷണത്തിൽ പങ്കെടുക്കാനും ഉത്തരവാദിത്തമുള്ളവരായിരിക്കാനും കഴിയുന്ന ഒരു അന്തരീക്ഷം ഇത് സൃഷ്ടിക്കും.
ധാരാളം ടെക് കമ്പനികൾക്ക് ഇതിനെക്കുറിച്ച് അറിയാം, മൈക്രോസോഫ്റ്റും ഗൂഗിളും മറ്റുള്ളവരും വരും ദശകങ്ങളിൽ തങ്ങളുടെ ക്ലൗഡുകളെ ‘ഹരിത’ ആക്കുമെന്ന് പ്രതിജ്ഞയെടുത്തിട്ടുണ്ട്. എന്നിരുന്നാലും, വ്യവസായത്തിന് ചെയ്യാൻ കഴിയുന്ന മറ്റ് കാര്യങ്ങളുണ്ട്. ഓരോ തവണയും ഒരു മോഡൽ സൃഷ്ടിക്കുമ്പോഴോ പരിശീലിപ്പിക്കുമ്പോഴോ നിർമ്മാതാവ് കാർബൺ കാൽപ്പാട് കണക്കാക്കുകയും ബജറ്റ് ചെയ്യുകയും വേണം, അതിനാൽ അവർ അത് എന്താണ് കൈകാര്യം ചെയ്യുന്നതെന്ന് അവർക്കറിയാം. പല ഉപയോഗ കേസുകൾക്കും ഒരു വലിയ മോഡൽ ആവശ്യമില്ല, വളരെ കുറഞ്ഞ വിഭവങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു ചെറിയ മോഡലിന് ജോലി ചെയ്യാൻ കഴിയും. കൂടുതൽ കംപ്യൂട്ടർ പവർ എറിയുന്നത് ഒരു മികച്ച മോഡൽ ഉണ്ടാക്കില്ല, വളരെ കുറഞ്ഞ പവർ തീവ്രതയുള്ള മറ്റ് ഫൈൻട്യൂണിംഗ് ടെക്നിക്കുകൾ ഉണ്ട്.
വലിയ ടെക് കമ്പനികൾ ഇത് മനസ്സിലാക്കി, ചെറിയ മോഡലുകൾ നോക്കുന്നു, ശുദ്ധമായ ഊർജ്ജമുള്ള സ്ഥലങ്ങളിൽ പരിശീലനം നൽകുന്നു, പ്രത്യേക കുറഞ്ഞ ഉപഭോഗ ഡാറ്റാ സെന്ററുകൾ ഉപയോഗിക്കുന്നു, കാൽപ്പാടുകൾ കുറയ്ക്കുന്നതിന് പരിശീലന പ്രോട്ടോക്കോളുകളിൽ മാറ്റം വരുത്തുന്നു എന്നതാണ് നല്ല വാർത്ത. ഇന്ത്യൻ കമ്പനികളും ഇക്കാര്യത്തിൽ മുന്നോട്ട് വന്നിട്ടുണ്ട്. ഉദാഹരണത്തിന്, എൻടിടിയും എയർടെല്ലും സ്വന്തം ഡാറ്റാ സെന്ററുകൾക്ക് ഊർജ്ജം പകരുന്നതിനായി ക്യാപ്റ്റീവ് സോളാർ പ്ലാന്റുകൾ സ്ഥാപിച്ചു, ഹൈദരാബാദ് ആസ്ഥാനമായുള്ള സിടിആർഎൽഎസ് അഭിമാനത്തോടെ ലോകത്തിലെ ആദ്യത്തെ ലീഡ് സർട്ടിഫൈഡ് പ്ലാറ്റിനം ഗ്രീൻ ഡാറ്റാ സെന്ററായി മാറി.
മുന്നോട്ടുപോകുമ്പോള് ഗവണ് മെന്റുകളും കമ്മ്യൂണിറ്റികളും ഈ ഉദ്യമത്തില് പങ്കാളികളാകേണ്ടതുണ്ട്. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്നിവയുടെ തിളക്കമാർന്ന സാധ്യതകളും പുതിയ ഡാറ്റാ സെന്ററുകൾക്കും ഫാബുകൾക്കും ഇൻസെന്റീവുകൾ നൽകുന്നതിലും പല സർക്കാരുകളും നിലവിൽ അന്ധരാണെന്ന് തോന്നുന്നു; അവർ പാരിസ്ഥിതിക പ്രശ്നങ്ങൾ പരിഗണിക്കാൻ തുടങ്ങണം. ജനങ്ങളും സമൂഹങ്ങളും അവരുടെ സമൂഹത്തിൽ സൃഷ്ടിക്കപ്പെടുന്ന ഈ ഇൻഫ്രാസ്ട്രക്ചറിന്റെ നേട്ടങ്ങളും അപചയത്തെ ചെറുക്കാൻ വേണ്ടത്ര ചെയ്യുന്നുണ്ടോ എന്നും വിലയിരുത്തണം. നമ്മൾ ഉണർന്നില്ലെങ്കിൽ, ടെർമിനേറ്റർ പോലുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സൂപ്പർ ഇന്റലിജൻസ് ഭീഷണിക്കായി നമുക്ക് കാത്തിരിക്കേണ്ടി വരില്ല, ആഗോള കാലാവസ്ഥാ സംഭവങ്ങളിലേക്കുള്ള ത്വരിതപ്പെടുത്തൽ അതിനേക്കാൾ വേഗത്തിൽ നമ്മെ നശിപ്പിക്കും.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
