अमेरिका की AI महत्वाकांक्षा: डेटा सेंटर निर्माण की होड़

बुद्धिमान मशीनों का उदय

हवा में क्रांति की बातें घनी हैं – एक आर्टिफिशियल इंटेलिजेंस (AI) क्रांति जो उद्योगों, अर्थव्यवस्थाओं और शायद दैनिक जीवन के ताने-बाने को भी नया आकार देने के लिए तैयार है। हम एक ऐसे युग के मुहाने पर खड़े हैं जहाँ एल्गोरिदम दवाएं डिजाइन कर सकते हैं, पावर ग्रिड प्रबंधित कर सकते हैं, कला बना सकते हैं, और आश्चर्यजनक प्रवाह के साथ बातचीत कर सकते हैं। Large Language Models (LLMs) और जनरेटिव AI उपकरणों ने जनता की कल्पना पर कब्जा कर लिया है, जो विशेष अकादमिक गतिविधियों से मुख्यधारा के अनुप्रयोगों तक लुभावनी गति से आगे बढ़ रहे हैं। व्यवसाय अपने संचालन में AI को एकीकृत करने के लिए हाथ-पांव मार रहे हैं, उन दक्षताओं और नवाचारों की तलाश कर रहे हैं जो पहले विज्ञान कथाओं तक ही सीमित थे। व्यक्तिगत चिकित्सा से लेकर स्वायत्त परिवहन तक, क्षमता असीम लगती है, जो बुद्धिमान प्रणालियों द्वारा संचालित भविष्य का वादा करती है। यह केवल वृद्धिशील प्रगति नहीं है; यह एक मौलिक बदलाव जैसा महसूस होता है, एक तकनीकी लहर जिसमें लगभग हर मानवीय प्रयास में अभूतपूर्व परिवर्तन की क्षमता है। उत्साह स्पष्ट है, जो बोर्डरूम, अनुसंधान प्रयोगशालाओं और सरकारी हॉलों में समान रूप से गूंज रहा है।

नींव में दरारें: डेटा सेंटर की दुविधा

फिर भी, AI की क्षमताओं की चकाचौंध भरी सतह के नीचे एक कम ग्लैमरस, लेकिन पूरी तरह से महत्वपूर्ण नींव है: भौतिक बुनियादी ढांचा जो इसे शक्ति प्रदान करता है। यह क्रांति सिलिकॉन पर चलती है, विशेष रूप से डेटा सेंटर के रूप में जाने जाने वाले विशाल, बिजली-भूखे परिसरों के भीतर। और यहीं एक बढ़ती हुई बाधा है, एक संभावित चोक पॉइंट जो उस प्रगति को ही रोक सकता है जिसे सक्षम करने के लिए यह बना है। जबकि डिजिटल दुनिया अलौकिक लगती है, इसका कम्प्यूटेशनल दिल विशेष हार्डवेयर से भरी इमारतों के भीतर धड़कता है, जिसके लिए भारी संसाधनों की आवश्यकता होती है।

विरोधाभासी संकेतों ने कभी-कभी पानी को गंदा कर दिया है। उदाहरण के लिए, खबर सामने आई कि Microsoft संयुक्त राज्य अमेरिका और यूरोप दोनों में कुछ डेटा सेंटर परियोजनाओं को कम कर रहा है या रोक रहा है। इसने स्वाभाविक रूप से कुछ पर्यवेक्षकों के बीच अटकलों को हवा दी, फुसफुसाहटों को प्रेरित किया कि क्या AI का उत्साह वास्तविकता से आगे निकल सकता है, जो अतीत के प्रौद्योगिकी बूम के समान संभावित बुलबुले का संकेत देता है। एक प्रमुख अमेरिकी शोध फर्म, TD Cowen ने Microsoft समायोजन को विशिष्ट क्षेत्रों या क्षेत्रों के भीतर तत्काल मांग पूर्वानुमानों के सापेक्ष संभावित अधिशेष आपूर्ति के संकेत के रूप में व्याख्या की। उन्होंने सुझाव दिया कि ये रद्दीकरण शायद स्थानीय पुन: अंशांकन थे न कि एक प्रणालीगत मंदी।

हालांकि, AI दुनिया के निर्विवाद दिग्गजों के बाद के बयानों ने एक बिल्कुल अलग तस्वीर पेश की है। Microsoft की स्थिति, तेजी से, एक बाहरी मामला प्रतीत होती है, शायद कंपनी की आंतरिक रणनीतिक गणना या क्षेत्रीय क्षमता योजना के लिए विशिष्ट है, न कि व्यापक प्रवृत्ति का संकेत। सबसे उन्नत AI मॉडल बनाने और तैनात करने वालों से भारी आम सहमति एक अधिशेष की ओर इशारा नहीं करती है, बल्कि आवश्यक विशेष बुनियादी ढांचे में एक महत्वपूर्ण और बढ़ते घाटे की ओर इशारा करती है। डिजिटल गोल्ड रश जारी है, लेकिन पिक्स और फावड़े - AI-तैयार डेटा सेंटर - आश्चर्यजनक रूप से कम आपूर्ति में हैं।

अग्रिम पंक्ति से आवाजें: मांग आपूर्ति पर हावी

इस नए युग के वास्तुकारों को ध्यान से सुनें, और एक सुसंगत विषय उभरता है: AI गणना की मांग न केवल मजबूत है, यह प्रचंड है, इसे वितरित करने की वर्तमान क्षमता से कहीं अधिक है। इस सप्ताह की शुरुआत में, सांस्कृतिक घटना ChatGPT के पीछे की कंपनी OpenAI के CEO Sam Altman ने हालिया अपडेट के बाद मांग को ‘बाइबिल’ से कम नहीं बताया। उन्होंने नोट किया कि उनके सबसे परिष्कृत AI प्लेटफॉर्म ने केवल एक घंटे के भीतर दस लाख नए उपयोगकर्ताओं को आकर्षित किया, जो बड़े पैमाने पर नए अनावरण किए गए उन्नत छवि निर्माण सुविधाओं पर उत्साह से प्रेरित था। यह सिर्फ प्रचार नहीं है; यह तेजी से शक्तिशाली AI उपकरणों के लिए उपयोगकर्ता की भूख का एक ठोस माप है।

कहानी प्रतिस्पर्धी परिदृश्य में खुद को दोहराती है। Google की मूल कंपनी Alphabet ने हाल ही में अपने नवीनतम AI पुनरावृत्ति, Gemini 2.5 को व्यापक प्रशंसा और तत्काल, तीव्र रुचि के लिए पेश किया। प्रदर्शित क्षमताओं ने अत्याधुनिक AI तक पहुंच की इच्छा को और बढ़ावा दिया, जिससे अंतर्निहित कम्प्यूटेशनल संसाधनों पर और अधिक दबाव पड़ा। साथ ही, Elon Musk के इस क्षेत्र में उद्यम, xAI, ने अपने Grok मॉडल को iPhone ऐप डाउनलोड चार्ट पर तेजी से चढ़ते देखा, जो स्थापित नेता, ChatGPT के बाद दूसरा सबसे अधिक मांग वाला एप्लिकेशन बन गया।

अग्रिम पंक्ति से संदेश स्पष्ट है। OpenAI के अभूतपूर्व मॉडल से लेकर Google के परिष्कृत एल्गोरिदम और Musk के तेजी से बढ़ते चैलेंजर तक, कहानी वही है: अविश्वसनीय, लगभग अतृप्त, उपयोगकर्ता और डेवलपर मांग उपलब्ध डेटा सेंटर क्षमता की कठोर सीमाओं से टकरा रही है। बाधा सॉफ्टवेयर इंजीनियरों की सरलता या संभावित अनुप्रयोगों की नहीं है; यह इन जटिल मॉडलों को बड़े पैमाने पर प्रशिक्षित करने और चलाने के लिए आवश्यक भौतिक हार्डवेयर है। वे डिजिटल फेरारी बना रहे हैं, केवल उन पर ड्राइव करने के लिए राजमार्गों की कमी पाते हैं।

AI डेटा सेंटर को समझना: सिर्फ सर्वर से कहीं ज़्यादा

यह समझना महत्वपूर्ण है कि आज के मांग वाले AI वर्कलोड के लिए आवश्यक डेटा सेंटर उन सुविधाओं से मौलिक रूप से भिन्न हैं जो पारंपरिक रूप से वेबसाइटों या कॉर्पोरेट डेटाबेस को रखती थीं। जबकि उन विरासत केंद्रों ने बड़ी मात्रा में जानकारी संभाली, AI को कच्ची कम्प्यूटेशनल शक्ति पर ध्यान केंद्रित करने की आवश्यकता होती है, विशेष रूप से तंत्रिका नेटवर्क को प्रशिक्षित करने और चलाने में निहित समानांतर प्रसंस्करण कार्यों के लिए।

आधुनिक AI डेटा सेंटर का दिल Graphics Processing Unit (GPU) है। मूल रूप से जटिल वीडियो गेम ग्राफिक्स प्रस्तुत करने के लिए डिज़ाइन किए गए, GPUs, विशेष रूप से Nvidia जैसी कंपनियों द्वारा अग्रणी, मैट्रिक्स गुणन और वेक्टर संचालन के प्रकारों में असाधारण रूप से माहिर साबित हुए जो डीप लर्निंग को रेखांकित करते हैं। ChatGPT या Gemini जैसे बड़े भाषा मॉडल को प्रशिक्षित करने में इसे पेटाबाइट्स डेटा खिलाना और उस डेटा के भीतर पैटर्न, रिश्तों और संरचनाओं को सीखने के लिए खरबों गणनाएं करना शामिल है। इसके लिए हजारों GPUs को एक साथ काम करने की आवश्यकता होती है, अक्सर हफ्तों या महीनों तक।

प्रोसेसर के अलावा, इन सुविधाओं की आवश्यकता होती है:

• हाई-बैंडविड्थ, लो-लेटेंसी नेटवर्किंग: GPUs को एक-दूसरे और स्टोरेज सिस्टम के साथ बिजली की गति से संचार करना चाहिए। कोई भी देरी एक बाधा पैदा कर सकती है, पूरी प्रशिक्षण प्रक्रिया या अनुमान कार्य को धीमा कर सकती है। Nvidia के InfiniBand जैसे विशेष नेटवर्किंग फैब्रिक आम हैं।
• विशाल स्टोरेज सिस्टम: प्रशिक्षण डेटा सेट बहुत बड़े होते हैं, और मॉडल स्वयं टेराबाइट्स स्टोरेज पर कब्जा कर सकते हैं। इस डेटा तक तेज़ पहुँच महत्वपूर्ण है।
• अभूतपूर्व बिजली की खपत: शक्तिशाली GPUs से लैस AI सर्वर का एक रैक पारंपरिक सर्वर रैक की तुलना में बहुत अधिक बिजली की खपत कर सकता है - कभी-कभी 5 से 10 गुना अधिक, या इससे भी अधिक। एक बड़े AI डेटा सेंटर की बिजली की खपत एक छोटे शहर के बराबर हो सकती है, जिसे दसियों या सैकड़ों मेगावाट में मापा जाता है।
• उन्नत कूलिंग समाधान: बिजली की वह सारी खपत अत्यधिक गर्मी उत्पन्न करती है। हजारों उच्च-प्रदर्शन चिप्स को सुरक्षित तापमान सीमा के भीतर संचालित रखने के लिए परिष्कृत शीतलन प्रणालियों की आवश्यकता होती है, जिसमें अक्सर तरल शीतलन प्रौद्योगिकियां शामिल होती हैं जो पारंपरिक एयर कूलिंग की तुलना में अधिक जटिल और महंगी होती हैं।

इन सुविधाओं का निर्माण केवल सर्वर को रैक में रखना नहीं है; यह जटिल इंजीनियरिंग में एक अभ्यास है, जिसके लिए बिजली वितरण, थर्मल प्रबंधन, हाई-स्पीड नेटवर्किंग और अत्यधिक बिजली घनत्व का समर्थन करने में सक्षम मजबूत भौतिक बुनियादी ढांचे में विशेषज्ञता की आवश्यकता होती है।

चुनौती का पैमाना: शक्ति, स्थान और पुर्जे

AI की गणना की प्यास बुझाने के लिए आवश्यक संसाधनों का विशाल पैमाना दुर्जेय चुनौतियां प्रस्तुत करता है जो तकनीकी कंपनियों से कहीं आगे तक फैली हुई हैं। आवश्यक डेटा सेंटर क्षमता का निर्माण करने में लॉजिस्टिक, आर्थिक और पर्यावरणीय बाधाओं के एक जटिल जाल को नेविगेट करना शामिल है।

बिजली की दुविधा: शायद सबसे महत्वपूर्ण बाधा ऊर्जा है। AI क्षेत्र की अनुमानित बिजली की मांग चौंका देने वाली है। उद्योग विश्लेषकों का अनुमान है कि AI-संबंधित वर्कलोड अगले दशक के भीतर वैश्विक बिजली उत्पादन का तेजी से बढ़ता प्रतिशत उपभोग कर सकते हैं। यह मौजूदा पावर ग्रिड पर भारी दबाव डालता है, जिनमें से कई पहले से ही पुराने हैं या क्षमता के करीब काम कर रहे हैं। यूटिलिटी कंपनियां विश्वसनीय बिजली की इन अचानक, भारी मांगों को पूरा करने के तरीके से जूझ रही हैं, जिसके लिए अक्सर सबस्टेशनों और ट्रांसमिशन लाइनों में महत्वपूर्ण उन्नयन की आवश्यकता होती है। इसके अलावा, पर्यावरणीय प्रभाव एक प्रमुख चिंता का विषय है, जो डेटा सेंटरों को नवीकरणीय ऊर्जा स्रोतों द्वारा संचालित करने के लिए दबाव को तेज करता है, जो आंतरायिकता और भूमि उपयोग से संबंधित अपनी चुनौतियों का सेट लाता है।

कूलिंग के लिए पानी: कई उन्नत शीतलन प्रणालियाँ, विशेष रूप से उच्च-घनत्व कंप्यूटिंग के लिए आवश्यक, पानी पर निर्भर करती हैं, अक्सर बाष्पीकरणीय शीतलन तकनीकों का उपयोग करती हैं। कई क्षेत्रों में पानी की बढ़ती कमी के युग में, डेटा सेंटर संचालन के लिए पर्याप्त जल संसाधन सुरक्षित करना एक महत्वपूर्ण पर्यावरणीय और लॉजिस्टिक मुद्दा बनता जा रहा है, जो कभी-कभी तकनीकी उद्योग की जरूरतों को कृषि और स्थानीय समुदायों के खिलाफ खड़ा कर देता है।

सही जगह ढूँढना: AI डेटा सेंटरों को विशाल भूमि की आवश्यकता होती है, न केवल इमारतों के लिए बल्कि बिजली सबस्टेशनों और कूलिंग प्लांट जैसे सहायक बुनियादी ढांचे के लिए भी। उपयुक्त स्थानों को खोजने में ज़ोनिंग नियमों को नेविगेट करना, परमिट सुरक्षित करना, मजबूत बिजली और फाइबर ऑप्टिक बुनियादी ढांचे की निकटता सुनिश्चित करना और अक्सर लंबी सामुदायिक परामर्श में शामिल होना शामिल है। इन सभी कारकों को मिलाने वाली उपयुक्त साइटें खोजना कठिन और अधिग्रहण करना अधिक महंगा होता जा रहा है।

आपूर्ति श्रृंखला की बाधाएं: AI डेटा सेंटरों के लिए आवश्यक विशेष घटक, विशेष रूप से उच्च-स्तरीय GPUs, अपनी आपूर्ति श्रृंखला बाधाओं के अधीन हैं। मांग में वृद्धि ने महत्वपूर्ण हार्डवेयर के लिए कमी और लंबे लीड समय को जन्म दिया है, जिस पर Nvidia जैसे कुछ प्रमुख आपूर्तिकर्ताओं का भारी प्रभुत्व है। इन जटिल अर्धचालकों के लिए उत्पादन क्षमता बढ़ाना एक समय लेने वाली और पूंजी-गहन प्रक्रिया है। आवश्यक हार्डवेयर प्राप्त करने में देरी नए डेटा सेंटरों के निर्माण और कमीशनिंग समय-सीमा में काफी बाधा डाल सकती है।

ये परस्पर जुड़ी चुनौतियाँ - बिजली की उपलब्धता, जल संसाधन, भूमि अधिग्रहण और घटक आपूर्ति - एक जटिल पहेली बनाती हैं जिसे AI क्रांति की पूरी क्षमता को अनलॉक करने के लिए हल किया जाना चाहिए। इसके लिए तकनीकी कंपनियों, उपयोगिता प्रदाताओं, सरकारों और घटक निर्माताओं को शामिल करते हुए समन्वित प्रयास की आवश्यकता है।

आर्थिक लहरें और रणनीतिक अनिवार्यताएं

AI बुनियादी ढांचे के निर्माण की दौड़ केवल एक तकनीकी चुनौती नहीं है; यह संयुक्त राज्य अमेरिका के लिए गहरे आर्थिक और रणनीतिक निहितार्थ रखती है। AI-तैयार डेटा सेंटरों के एक मजबूत नेटवर्क का सफल और तीव्र विकास भविष्य की आर्थिक प्रतिस्पर्धा और राष्ट्रीय सुरक्षा के आधारशिला के रूप में तेजी से देखा जा रहा है।

आर्थिक इंजन: इन विशाल सुविधाओं का निर्माण और संचालन एक महत्वपूर्ण आर्थिक प्रोत्साहन का प्रतिनिधित्व करता है। एक बड़े डेटा सेंटर के निर्माण में करोड़ों, या अरबों डॉलर का निवेश शामिल हो सकता है, जिससे हजारों निर्माण नौकरियां पैदा होती हैं। एक बार चालू होने के बाद, इन केंद्रों को कुशल तकनीशियनों, इंजीनियरों और सहायक कर्मचारियों की आवश्यकता होती है, जो उच्च-मूल्य वाले रोजगार के अवसर प्रदान करते हैं। इसके अलावा, अत्याधुनिक AI बुनियादी ढांचे की उपलब्धता अन्य प्रौद्योगिकी निवेशों को आकर्षित कर सकती है और उन क्षेत्रों में नवाचार पारिस्थितिकी तंत्र को बढ़ावा दे सकती है जहां वे स्थित हैं, जिससे आर्थिक गतिविधि का एक लहरदार प्रभाव पैदा होता है।

तकनीकी नेतृत्व बनाए रखना: आर्टिफिशियल इंटेलिजेंस को व्यापक रूप से 21वीं सदी के लिए एक मूलभूत तकनीक माना जाता है, जो पिछली युगों में बिजली या इंटरनेट के प्रभाव के समान है। AI विकास और परिनियोजन में नेतृत्व को विनिर्माण और वित्त से लेकर स्वास्थ्य सेवा और मनोरंजन तक कई क्षेत्रों में वैश्विक बाजारों में प्रतिस्पर्धात्मक बढ़त बनाए रखने के लिए महत्वपूर्ण माना जाता है। पर्याप्त कम्प्यूटेशनल बुनियादी ढांचे की कमी वाले राष्ट्र के पीछे पड़ने का खतरा है, जो उन प्रतिस्पर्धियों को जमीन सौंप रहा है जो AI समाधानों को अधिक तेजी से नया और तैनात कर सकते हैं। बड़े, अधिक जटिल मॉडल को प्रशिक्षित करने और परिष्कृत AI अनुप्रयोगों को बड़े पैमाने पर चलाने की क्षमता सीधे विश्व स्तरीय डेटा सेंटर क्षमता तक घरेलू पहुंच पर निर्भर करती है।

राष्ट्रीय सुरक्षा आयाम: AI का रणनीतिक महत्व राष्ट्रीय सुरक्षा के दायरे तक फैला हुआ है। उन्नत AI क्षमताओं के अनुप्रयोग खुफिया विश्लेषण, साइबर सुरक्षा, स्वायत्त प्रणाली, लॉजिस्टिक्स और भविष्य कहनेवाला मॉडलिंग में हैं। यह सुनिश्चित करना कि राष्ट्र के पास विदेशी बुनियादी ढांचे या घटकों पर अत्यधिक निर्भरता के बिना इन प्रौद्योगिकियों को विकसित करने और तैनात करने की संप्रभु क्षमता है, एक प्रमुख रणनीतिक विचार बनता जा रहा है। घरेलू डेटा सेंटर क्षमता इन महत्वपूर्ण अनुप्रयोगों के लिए एक अधिक सुरक्षित और लचीला आधार प्रदान करती है।

इसलिए, अधिक AI डेटा सेंटरों के लिए जोर आर्थिक समृद्धि, तकनीकी संप्रभुता और तेजी से प्रतिस्पर्धी वैश्विक परिदृश्य में सुरक्षा से संबंधित व्यापक राष्ट्रीय लक्ष्यों के साथ जुड़ा हुआ है। यह अमेरिका के भविष्य के लिए एक महत्वपूर्ण बुनियादी ढांचा निवेश का प्रतिनिधित्व करता है।

विपरीत परिस्थितियों से निपटना: निवेश और नवाचार

AI गणना की भारी मांग को पूरा करने के लिए न केवल चुनौतियों को स्वीकार करने की आवश्यकता है, बल्कि बड़े पैमाने पर निवेश और निरंतर नवाचार के अनुकूल वातावरण को बढ़ावा देने की भी आवश्यकता है। Google, Microsoft, Amazon Web Services, Meta जैसी प्रमुख प्रौद्योगिकी कंपनियों और तेजी से, AI-केंद्रित स्टार्टअप्स से डेटा सेंटर निर्माण में अरबों डॉलर का प्रवाह हो रहा है। ये निगम मानते हैं कि बुनियादी ढांचा एक प्रमुख विभेदक है और अपनी कम्प्यूटेशनल जरूरतों को सुरक्षित करने के लिए पर्याप्त पूंजीगत व्यय कर रहे हैं।

हालांकि, आवश्यक निर्माण के पैमाने के लिए व्यापक सहयोग और संभावित रूप से सहायक सार्वजनिक नीति की आवश्यकता हो सकती है। डेटा सेंटर निर्माण और संबंधित ऊर्जा बुनियादी ढांचे के लिए अनुमति प्रक्रियाओं को सुव्यवस्थित करने से परिनियोजन में तेजी लाने में मदद मिल सकती है। प्रचुर मात्रा में नवीकरणीय ऊर्जा क्षमता वाले क्षेत्रों में डेटा सेंटरों के स्थान को प्रोत्साहित करना या विशेष रूप से इन सुविधाओं के लिए नवीन ऊर्जा उत्पादन समाधानों की खोज करना बिजली की चुनौती का समाधान कर सकता है। सार्वजनिक-निजी भागीदारी महत्वपूर्ण बुनियादी ढांचे के उन्नयन या अगली पीढ़ी की कंप्यूटिंग प्रौद्योगिकियों में अनुसंधान के वित्तपोषण में भी भूमिका निभा सकती है।

साथ ही, AI गणना की संसाधन तीव्रता को कम करने के लिए नवाचार महत्वपूर्ण है। महत्वपूर्ण अनुसंधान और विकास प्रयास चल रहे हैं:

• चिप दक्षता में सुधार: प्रोसेसर (GPUs, TPUs, कस्टम ASICs) डिजाइन करना जो प्रति वाट खपत अधिक कम्प्यूटेशनल शक्ति प्रदान करते हैं।
• उन्नत कूलिंग विकसित करना: अधिक कुशल और कम पानी-गहन शीतलन प्रौद्योगिकियां बनाना, जैसे कि विसर्जन शीतलन या नवीन गर्मी अपव्यय विधियां।
• AI एल्गोरिदम का अनुकूलन: प्रदर्शन का त्याग किए बिना कम डेटा और कम कम्प्यूटेशनल संसाधनों का उपयोग करके शक्तिशाली AI मॉडल को प्रशिक्षित करने और चलाने के तरीके खोजना (जैसे, मॉडल प्रूनिंग, क्वांटाइजेशन, कुशल आर्किटेक्चर)।
• डेटा सेंटर डिजाइन को बढ़ाना: ऊर्जा दक्षता और संसाधन उपयोग को अधिकतम करने के लिए डेटा सेंटरों के भौतिक लेआउट और परिचालन प्रबंधन पर पुनर्विचार करना।

आगे का रास्ता एक दोहरे ट्रैक को शामिल करता है: वर्तमान तकनीक के आधार पर आज आवश्यक बुनियादी ढांचे के निर्माण में आक्रामक रूप से निवेश करना, जबकि साथ ही कल के AI को शक्ति प्रदान करने के लिए अधिक टिकाऊ और कुशल तरीके बनाने के लिए नवाचार की सीमाओं को आगे बढ़ाना। तात्कालिकता स्पष्ट है, क्योंकि AI विकास की गति तेज हो रही है, लगातार हमारे वर्तमान कम्प्यूटेशनल बुनियादी ढांचे की भौतिक सीमाओं के खिलाफ जोर दे रही है। AI का भविष्य अकेले एल्गोरिदम की प्रतिभा पर कम निर्भर हो सकता है, और उनके बिजली-भूखे घरों को बनाने की हमारी सामूहिक क्षमता पर अधिक निर्भर हो सकता है।