આજકાલ દુનિયાભરમાં એઆઇની બોલબાલા છે. એઆઇને કારણે ઘણા કામો સરળ થયા છે તો રોજગારી પર સંકટ જેવી સમસ્યાઓ પણ ઉભી થઇ છે, પરંતુ હાલ એક નવી જ સમસ્યાના અહેવાલ બહાર આવ્યા છે અને તે એ કે આ એઆઇને કારણે પર્યાવરણીય અસરો પણ ઘણી થઇ રહી છે. કૃત્રિમ બુદ્ધિમતા (AI)ની વધતી જતી લોકપ્રિયતા અને ટેકનોલોજીકલ પ્રગતિ વૈશ્વિક જળ સંસાધનો પર અભૂતપૂર્વ દબાણ લાવી છે.
AI ડેટા સેન્ટરોની ભારે મશીનરીને ઠંડી કરવા માટે દરરોજ લાખો લિટર પાણીની જરૂર પડે છે, જેના કારણે ભારત સહિત ઘણા દેશોમાં પાણીની કટોકટી વધુ ખરાબ થઈ છે. તો આ આ એઆઇના પ્રોસેસિંગ સેન્ટરો સહિતના કેન્દ્રો ઘણી બધી વિજળી પણ વાપરે છે અને આ વિજળીના ઉત્પાદન માટે ઘણી જગ્યાએ વ્યાપક ડીઝલ, કોલસાનો ઉપયોગ થાય છે અને તેને કારણે વાતાવરણમાં પ્રદૂષણ વધે છે. અને આ બાબત એવી છે કે જેના તરફ ઘણા બધાનું ધ્યાન તો ગયું જ નથી.
પાણીના વપરાશની રીતે જોઇએ તો યુનિવર્સિટી ઓફ કેલિફોર્નિયા, રિવરસાઇડના સંશોધક શાઓલી રેનના તાજેતરના અભ્યાસ મુજબ, GPT-3 જેવા મોટા AI મોડેલોને પ્રતિ 10-50 ક્વેરી દીઠ સરેરાશ 2 લિટર પાણીની જરૂર પડે છે, જે અગાઉના અંદાજિત 500 મિલી કરતા ચાર ગણી વધારે છે. ઇલેક્ટ્રોપેજના 2025ના અહેવાલ મુજબ, ભારતમાં ડેટા સેન્ટરો દ્વારા પાણીનો વપરાશ 2025માં 150.3 અબજ લિટર સુધી પહોંચી શકે છે, જે 2030 સુધીમાં વધીને 358.66 અબજ લિટર થઈ શકે છે. બેંગલુરુ જેવા શહેરોમાં, જે પહેલાથી જ પાણીની કટોકટીનો સામનો કરી રહ્યા છે, ડેટા સેન્ટરો દરરોજ 8 મિલિયન લિટર પાણીનો ઉપયોગ કરી રહ્યા છે. 2025માં આ વપરાશ વધુ વધવાની ધારણા છે, કારણ કે ભારતમાં ડેટા સેન્ટરોની સંખ્યા ઝડપથી વધી રહી છે.
AI ડેટા સેન્ટરોમાં CPU અને GPU જેવા શક્તિશાળી મશીનો ભારે માત્રામાં ગરમી ઉત્પન્ન કરે છે. કૂલિંગ ટાવરનો ઉપયોગ પાણીના બાષ્પીભવનથી તેમને ઠંડા કરવા માટે કરવામાં આવે છે, જેમાં 80% પાણી બાષ્પીભવન થાય છે અને રિસાયક્લિંગ માટે માત્ર 20% બાકી રહે છે. ભારતના ઘણા ભાગો જેવા ગરમ વાતાવરણવાળા વિસ્તારોમાં, આ વપરાશ વધુ વધે છે. અમેરિકાના ટેક્સાસમાં દુકાળના સંજોગો વચ્ચે છેલ્લા બે વર્ષ દરમ્યાન એઆઇ કંપનીઓ ૨૬૪ મિલિયન પાણી વાપરી ચુકી છે ત્યારે સામાન્ય નાગરિકોને તેમના નહાવાના શાવરમાં પાણીનો ઓછો વપરાશ કરવા કહેવાયું છે!
એઆઇને કારણે વિજળીની વપરાશની બાબતમાં જોઇએ તો જનરેટિવ AI ના પર્યાવરણીય પ્રભાવોમાં ડેટા સેન્ટરોની વીજળીની માંગ એક મુખ્ય પરિબળ છે, કારણ કે ડેટા સેન્ટરોનો ઉપયોગ ChatGPT અને DALL-E જેવા લોકપ્રિય સાધનો પાછળના ડીપ લર્નિંગ મોડેલ્સને તાલીમ આપવા અને ચલાવવા માટે થાય છે. વૈજ્ઞાનિકોએ અંદાજ લગાવ્યો છે કે ઉત્તર અમેરિકામાં ડેટા સેન્ટરોની પાવર જરૂરિયાતો 2022 ના અંતમાં 2,688 મેગાવોટથી વધીને 2023 ના અંતમાં 5,341 મેગાવોટ થઈ ગઈ છે, જે આંશિક રીતે જનરેટિવ AI ની માંગને કારણે છે. વૈશ્વિક સ્તરે, ડેટા સેન્ટરોનો વીજળીનો વપરાશ 2022 માં વધીને 460 ટેરાવોટ-કલાક થયો.
કંપનીઓ જે ગતિએ નવા ડેટા સેન્ટર બનાવી રહી છે તેનો અર્થ એ છે કે તેમને પાવર આપવા માટે મોટાભાગની વીજળી અશ્મિભૂત ઇંધણ-આધારિત પાવર પ્લાન્ટમાંથી આવવી જોઈએ એમ એક નિષ્ણાત કહે છે. 2021 ના એક સંશોધન પત્રમાં, ગૂગલ અને યુનિવર્સિટી ઓફ કેલિફોર્નિયા એટ બર્કલેના વૈજ્ઞાનિકોએ અંદાજ લગાવ્યો હતો કે એકલા તાલીમ પ્રક્રિયામાં 1,287 મેગાવોટ કલાક વીજળીનો વપરાશ થાય છે (જે લગભગ 120 સરેરાશ યુ.એસ. ઘરોને એક વર્ષ માટે વીજળી આપવા માટે પૂરતી છે) અને લગભગ 552 ટન કાર્બન ડાયોક્સાઇડ ઉત્પન્ન કરે છે. આથી એઆઇના વિકાસની સાથે તેની પર્યાવરણલક્ષી અસરો અને તેના ઉકેલ માટે પણ ગંભીર રીતે વિચારવાનો સમય આવી ગયો છે.
