بڑے لینگویج ماڈلز کا ماحولیاتی اثر

مصنوعی ذہانت (AI) کی جدت میں مسلسل کوششوں نے بڑے لسانی ماڈلز (LLMs) کی ترقی کو جنم دیا ہے۔ اگرچہ یہ ماڈلز مختلف شعبوں میں متاثر کن صلاحیتوں کا مظاہرہ کرتے ہیں، تاہم ان کی تربیت اور تعیناتی سے وابستہ ماحولیاتی نتائج بڑی حد تک پوشیدہ رہے ہیں۔ AI ماڈلز تیار کرنے والی کمپنیاں بینچ مارکس پر کارکردگی کا ڈیٹا تو آسانی سے شیئر کرتی ہیں، لیکن ماحولیاتی اثرات سے گریز کرتی ہیں۔ حالیہ تحقیق ان طاقتور AI ٹولز کے ساتھ منسلک اکثر نظر انداز کیے جانے والے توانائی، پانی اور کاربن کے اخراجات پر روشنی ڈالتی ہے۔

ماحولیاتی اثرات کا جائزہ لینے کے لیے ایک نیا معیار

AI کے ماحولیاتی اثرات کی پیمائش کے لیے، یونیورسٹی آف روڈ آئی لینڈ، پروویڈنس کالج اور یونیورسٹی آف تیونس کے محققین کی ایک ٹیم نے AI انفیرنس کے لیے انفراسٹرکچر سے آگاہ بینچ مارک متعارف کرایا ہے۔ یہ تحقیق، جو کارنیل یونیورسٹی کے پری پرنٹ سرور arXiv پر دستیاب ہے، AI کے ماحولیاتی اثرات کا زیادہ درست جائزہ پیش کرتی ہے۔ یہ بینچ مارک عوامی API لیٹنسی ڈیٹا کو بنیادی GPUs اور علاقائی پاور گرڈ کمپوزیشن کے بارے میں معلومات کے ساتھ جوڑتا ہے تاکہ 30 مین اسٹریم AI ماڈلز کے لیے فی پرامپٹ ماحولیاتی فوٹ پرنٹ کا حساب لگایا جا سکے۔ یہ جامع طریقہ کار توانائی کی کھپت، پانی کے استعمال اور کاربن کے اخراج کو مدنظر رکھتا ہے، جس کا اختتام ایک “ایکو-ایفیشینسی” اسکور پر ہوتا ہے۔

یونیورسٹی آف روڈ آئی لینڈ کے اسسٹنٹ پروفیسر عبدالتواب ہنداوی نے مطالعہ کے پیچھے محرک کی وضاحت کرتے ہوئے کہا: "ہم نے ماحولیاتی وسائل، پانی، توانائی اور کاربن فوٹ پرنٹ کے حوالے سے ان ماڈلز کا موازنہ کرنے کے بارے میں سوچنا شروع کیا۔" نتائج سے مختلف AI ماڈلز کے ماحولیاتی اثرات میں نمایاں تضادات ظاہر ہوتے ہیں۔

توانائی کی کھپت میں تضادات: OpenAI، DeepSeek اور Anthropic

اس تحقیق میں معروف AI ماڈلز کے درمیان توانائی کی کھپت میں خاطر خواہ فرق کو اجاگر کیا گیا ہے۔ OpenAI کا o3 ماڈل اور DeepSeek کا بنیادی استدلال ماڈل ایک ہی توسیعی جواب کے لیے 33 واٹ-گھنٹے (Wh) سے زیادہ استعمال کرتے ہیں۔ اس کے برعکس OpenAI کا چھوٹا GPT-4.1 نینو ہے، جس میں 70 گنا کم توانائی درکار ہوتی ہے۔ Anthropic کا Claude-3.7 Sonnet مطالعہ میں سب سے زیادہ ماحول دوست ماڈل کے طور پر ابھرا ہے۔

محققین نے AI ماڈلز کے ماحولیاتی اثرات کے تعین میں ہارڈ ویئر کے اہم کردار پر زور دیا۔ مثال کے طور پر، GPT-4o منی، جو پرانے A100 GPUs استعمال کرتا ہے، بڑے GPT-4o کے مقابلے میں فی سوال زیادہ توانائی استعمال کرتا ہے، جو زیادہ جدید H100 چپس پر چلتا ہے۔ یہ AI کے ماحولیاتی فوٹ پرنٹ کو کم کرنے کے لیے جدید ترین ہارڈ ویئر کے استعمال کی اہمیت کو اجاگر کرتا ہے۔

سوال کی لمبائی کا ماحولیاتی اثر

اس تحقیق سے سوال کی لمبائی اور ماحولیاتی اثرات کے درمیان براہ راست تعلق ظاہر ہوتا ہے۔ طویل سوالات کے نتیجے میں لامحالہ زیادہ وسائل استعمال ہوتے ہیں۔ یہاں تک کہ بظاہر غیر اہم، مختصر پرامپٹس بھی مجموعی ماحولیاتی بوجھ میں حصہ ڈالتے ہیں۔ ایک واحد مختصر GPT-4o پرامپٹ تقریباً 0.43 Wh توانائی استعمال کرتا ہے۔ محققین کا اندازہ ہے کہ OpenAI کے تخمینہ شدہ 700 ملین GPT-4o کالز یومیہ پر، کل سالانہ توانائی کی کھپت 392 سے 463 گیگا واٹ گھنٹے (GWh) تک ہو سکتی ہے۔ اس کا موازنہ کرنے کے لیے، یہ اتنی توانائی ہے جو سالانہ 35,000 امریکی گھروں کو بجلی فراہم کرنے کے لیے کافی ہے۔

AI اپنانے کا مجموعی اثر

یہ مطالعہ اس بات پر زور دیتا ہے کہ AI کو انفرادی صارفین کے ذریعہ اپنانے سے تیزی سے کافی ماحولیاتی اخراجات میں اضافہ ہو سکتا ہے۔ یونیورسٹی آف روڈ آئی لینڈ کے محقق اور مطالعہ کے مصنف نیدل جیگم نے وضاحت کرتے ہوئے کہا کہ "ChatGPT-4o کو سالانہ استعمال کرنے سے اتنا ہی پانی استعمال ہوتا ہے جتنا سالانہ 1.2 ملین افراد کی پینے کی ضروریات کے لیے ہوتا ہے۔" جیگم نے خبردار کیا کہ اگرچہ ایک واحد پیغام یا پرامپٹ کا ماحولیاتی اثر نہ ہونے کے برابر لگتا ہے، "ایک بار جب آپ اسے بڑھاتے ہیں، خاص طور پر یہ کہ AI کس طرح انڈیکسس میں پھیل رہا ہے، تو یہ واقعی میں ایک بڑھتا ہوا مسئلہ بن رہا ہے۔"

ماحولیاتی اثرات کے میٹرکس میں گہرائی سے غور کرنا

مطالعہ کے نتائج کے مضمرات کو مکمل طور پر سمجھنے کے لیے، AI ماڈلز کا جائزہ لینے کے لیے استعمال ہونے والے ماحولیاتی میٹرکس کا مزید تفصیلی جائزہ ضروری ہے۔ مندرجہ ذیل حصے اہم میٹرکس کی خرابی فراہم کرتے ہیں:

توانائی کی کھپت

توانائی کی کھپت AI ماڈلز کو چلانے کے لیے درکار برقی طاقت کی بنیادی پیمائش ہے۔ یہ مطالعہ توانائی کی کھپت کو فی سوال واٹ گھنٹوں (Wh) میں بیان کرتا ہے، جس سے مختلف ماڈلز کی توانائی کی کارکردگی کا براہ راست موازنہ کیا جا سکتا ہے۔ کاربن فوٹ پرنٹ اور AI کے مجموعی ماحولیاتی اثرات کو کم کرنے کے لیے توانائی کی کھپت کو کم سے کم کرنا بہت ضروری ہے۔

توانائی کی کھپت کو متاثر کرنے والے عوامل:

• ماڈل کا حجم اور پیچیدگی: بڑے اور زیادہ پیچیدہ ماڈلز کو عام طور پر چھوٹے، آسان ماڈلز کے مقابلے میں چلانے کے لیے زیادہ توانائی درکار ہوتی ہے۔
• ہارڈ ویئر کی کارکردگی: GPUs اور دیگر ہارڈ ویئر اجزاء جو AI ماڈلز کو چلانے کے لیے استعمال ہوتے ہیں توانائی کی کھپت میں اہم کردار ادا کرتے ہیں۔ زیادہ جدید اور توانائی سے بھرپور ہارڈ ویئر AI کے توانائی کے فوٹ پرنٹ کو کافی حد تک کم کر سکتا ہے۔
• سوال کی لمبائی اور پیچیدگی: طویل اور زیادہ پیچیدہ سوالات کو عام طور پر زیادہ کمپیوٹیشنل وسائل درکار ہوتے ہیں اور اس طرح زیادہ توانائی استعمال کرتے ہیں۔
• آپٹیمائزیشن تکنیک: مختلف آپٹیمائزیشن تکنیک، جیسے ماڈل کمپریشن اور کوانٹائزیشن، درستگی کی قربانی کیے بغیر AI ماڈلز کی توانائی کی کھپت کو کم کر سکتی ہیں۔

پانی کا استعمال

پانی کا استعمال AI کے ماحولیاتی اثرات کا ایک اکثر نظر انداز کیا جانے والا پہلو ہے۔ ڈیٹا سینٹرز، جو AI ماڈلز چلانے والے سرورز رکھتے ہیں، کو ٹھنڈا کرنے کے لیے پانی کی کافی مقدار درکار ہوتی ہے۔ یہ مطالعہ ڈیٹا سینٹرز کی توانائی کی کھپت اور علاقائی پاور گرڈ کی پانی کی شدت کی بنیاد پر پانی کے استعمال کا تخمینہ لگاتا ہے جو ان ڈیٹا سینٹرز کو بجلی فراہم کرتے ہیں۔

پانی کے استعمال کو متاثر کرنے والے عوامل:

• کولنگ کی ضروریات: ڈیٹا سینٹرز کافی گرمی پیدا کرتے ہیں اور زیادہ سے زیادہ آپریٹنگ درجہ حرارت کو برقرار رکھنے کے لیے کولنگ سسٹم کی ضرورت ہوتی ہے۔ پانی اکثر براہ راست یا بالواسطہ کولنگ ٹاورز کے ذریعے کولنٹ کے طور پر استعمال ہوتا ہے۔
• پاور گرڈ کی پانی کی شدت: پاور گرڈ کی پانی کی شدت سے مراد بجلی کی ایک یونٹ پیدا کرنے کے لیے درکار پانی کی مقدار ہے۔ پاور گرڈ جو تھرمو الیکٹرک پاور پلانٹس پر بہت زیادہ انحصار کرتے ہیں، جو ٹھنڈا کرنے کے لیے پانی کا استعمال کرتے ہیں، ان کی پانی کی شدت زیادہ ہوتی ہے۔
• ڈیٹا سینٹر کا مقام: خشک علاقوں یا پانی کی قلت کے مسائل والے علاقوں میں واقع ڈیٹا سینٹرز AI کے ماحولیاتی اثرات کو بڑھا سکتے ہیں۔

کاربن اخراج

کاربن اخراج موسمیاتی تبدیلی کا ایک بنیادی محرک ہے۔ یہ مطالعہ AI ماڈلز کی توانائی کی کھپت اور علاقائی پاور گرڈ کی کاربن کی شدت کی بنیاد پر کاربن کے اخراج کا حساب لگاتا ہے۔ کاربن کی شدت سے مراد بجلی کی فی یونٹ پیدا ہونے والی کاربن ڈائی آکسائیڈ کی مقدار ہے۔

کاربن کے اخراج کو متاثر کرنے والے عوامل:

• توانائی کا ذریعہ: ڈیٹا سینٹرز کو بجلی فراہم کرنے کے لیے استعمال ہونے والی توانائی کی قسم کاربن کے اخراج پر نمایاں اثر ڈالتی ہے۔ قابل تجدید توانائی کے ذرائع، جیسے شمسی اور ہوا کی طاقت، میں کوئلہ اور قدرتی گیس جیسے فوسل فیول کے مقابلے میں کاربن کی شدت بہت کم ہوتی ہے۔
• پاور گرڈ کاربن کی شدت: پاور گرڈ کی کاربن کی شدت بجلی پیدا کرنے کے لیے استعمال ہونے والے توانائی کے ذرائع کے مرکب پر منحصر ہوتی ہے۔ قابل تجدید توانائی کے ذرائع کا زیادہ تناسب رکھنے والے علاقوں میں کاربن کی شدت کم ہوتی ہے۔
• توانائی کی کارکردگی: توانائی کی کھپت کو کم کرنا کاربن کے اخراج کو کم کرنے کا سب سے مؤثر طریقہ ہے۔

مضمرات اور سفارشات

مطالعہ کے نتائج کے AI ڈویلپرز، پالیسی سازوں اور آخری صارفین کے لیے اہم مضمرات ہیں۔ AI کا ماحولیاتی اثر نہ ہونے کے برابر نہیں ہے اور AI ٹیکنالوجی کی ترقی اور پھیلاؤ جاری رہنے کے ساتھ اس پر احتیاط سے غور کرنے کی ضرورت ہے۔

AI ڈویلپرز کے لیے سفارشات:

• توانائی کی کارکردگی کو ترجیح دیں: AI ڈویلپرز کو AI ماڈلز کو ڈیزائن اور تربیت دیتے وقت توانائی کی کارکردگی کو ترجیح دینی چاہیے۔ اس میں چھوٹے ماڈلز کا استعمال، کوڈ کو بہتر بنانا اور موثر ہارڈ ویئر کا استعمال شامل ہے۔
• قابل تجدید توانائی کے ذرائع تلاش کریں: AI کمپنیوں کو اپنے ڈیٹا سینٹرز کو قابل تجدید توانائی کے ذرائع سے چلانے کے مواقع تلاش کرنے چاہئیں۔ اس سے AI کے کاربن فوٹ پرنٹ کو نمایاں طور پر کم کیا جا سکتا ہے۔
• پانی کے تحفظ میں سرمایہ کاری کریں: ڈیٹا سینٹرز کو پانی کے استعمال کو کم سے کم کرنے کے لیے پانی کے تحفظ کی ٹیکنالوجیز میں سرمایہ کاری کرنی چاہیے۔ اس میں کلوزڈ لوپ کولنگ سسٹم اور بارشی پانی کی کٹائی کا استعمال شامل ہے۔
• شفافیت اور رپورٹنگ: AI کمپنیوں کو اپنے ماڈلز کے ماحولیاتی اثرات کے بارے میں شفاف ہونا چاہیے اور توانائی کی کھپت، پانی کے استعمال اور کاربن کے اخراج جیسے اہم میٹرکس کی اطلاع دینی چاہیے۔

پالیسی سازوں کے لیے سفارشات:

• سبز AI کو ترغیب دیں: پالیسی سازوں کو ٹیکس کریڈٹ، سبسڈی اور دیگر مراعات کے ذریعے سبز AI ٹیکنالوجیز کی ترقی اور تعیناتی کو ترغیب دینی چاہیے۔
• ڈیٹا سینٹر کی توانائی کی کھپت کو منظم کریں: پالیسی سازوں کو ڈیٹا سینٹر کی توانائی کی کھپت کو منظم کرنا چاہیے تاکہ یہ یقینی بنایا جا سکے کہ ڈیٹا سینٹرز زیادہ سے زیادہ موثر طریقے سے کام کر رہے ہیں۔
• قابل تجدید توانائی کو اپنانے کو فروغ دیں: پالیسی سازوں کو بجلی کی فراہمی کے لیے قابل تجدید توانائی کے ذرائع کو اپنانے کو فروغ دینا چاہیے۔
• تحقیق اور ترقی کی حمایت کریں: پالیسی سازوں کو نئی ٹیکنالوجیز میں تحقیق اور ترقی کی حمایت کرنی چاہیے جو AI کے ماحولیاتی اثرات کو کم کر سکیں۔

آخری صارفین کے لیے سفارشات:

• AI کے استعمال سے آگاہ رہیں: آخری صارفین کو اپنے AI کے استعمال سے آگاہ رہنا چاہیے اور غیر ضروری یا فضول سوالات سے گریز کرنا چاہیے۔
• ماحول دوست AI ماڈلز کا انتخاب کریں: جب ممکن ہو تو، آخری صارفین کو AI ماڈلز کا انتخاب کرنا چاہیے جو زیادہ توانائی سے بھرپور ہونے کے لیے جانے جاتے ہیں۔
• پائیدار AI طریقوں کی حمایت کریں: آخری صارفین ماحولیاتی ذمہ داری کے لیے پرعزم کمپنیوں سے AI مصنوعات اور خدمات کا انتخاب کرکے پائیدار AI طریقوں کی حمایت کر سکتے ہیں۔

مستقبل کی تحقیق کی سمتیں

یہ مطالعہ AI کے ماحولیاتی اثرات میں مزید تحقیق کی ضرورت کو اجاگر کرتا ہے۔ مستقبل کی تحقیق کو درج ذیل شعبوں پر توجہ مرکوز کرنی چاہیے:

• لائف سائیکل اسسمنٹ: AI ماڈلز کی ترقی سے لے کر تصرف تک ایک جامع لائف سائیکل اسسمنٹ کا انعقاد، تاکہ تمام ممکنہ ماحولیاتی اثرات کی نشاندہی کی جا سکے۔
• تربیت کا اثر: AI ماڈلز کی تربیت کے ماحولیاتی اثرات کی تحقیقات کرنا، جو کہ تخمینہ کے اثرات سے نمایاں طور پر زیادہ ہو سکتا ہے۔
• AI کا دیگر شعبوں پر اثر: معیشت کے دیگر شعبوں، جیسے کہ نقل و حمل اور مینوفیکچرنگ پر AI کے اثرات کا جائزہ لینا، تاکہ AI کو اپنانے کے مجموعی ماحولیاتی نتائج کو سمجھا جا سکے۔
• نئے میٹرکس کی ترقی: AI کے ماحولیاتی اثرات کا جائزہ لینے کے لیے نئے میٹرکس تیار کرنا، جیسے کہ میٹرکس جو AI ہارڈ ویئر میں موجود توانائی اور مواد کو مدنظر رکھتے ہیں۔

نتیجہ

LLMs کا ماحولیاتی اثر ایک پیچیدہ اور کثیر جہتی مسئلہ ہے جس پر احتیاط سے غور کرنے کی ضرورت ہے۔ اس مطالعہ کے نتائج مقبول AI ٹولز سے وابستہ توانائی، پانی اور کاربن کے اخراجات کے بارے میں قیمتی بصیرت فراہم کرتے ہیں۔ ان اخراجات کو سمجھ کر، AI ڈویلپرز، پالیسی ساز اور آخری صارفین AI کے ماحولیاتی فوٹ پرنٹ کو کم کرنے کے اقدامات کر سکتے ہیں اور اس بات کو یقینی بنا سکتے ہیں کہ AI ٹیکنالوجی کو پائیدار طریقے سے تیار اور تعینات کیا گیا ہے۔ جیسے جیسے AI ہماری زندگیوں میں مزید مربوط ہو رہا ہے، پائیداری کو ترجیح دینا اور ایک ایسا مستقبل بنانے کے لیے مل کر کام کرنا بہت ضروری ہے جہاں AI ماحول کو نقصان پہنچائے بغیر معاشرے کو فائدہ پہنچائے۔