एआई कितना पानी इस्तेमाल करता है?

मुझे यकीन है कि आपने "एआई हर कुछ सवालों के बाद एक बोतल पानी पी जाता है" से लेकर "यह तो बस कुछ बूंदें ही होती हैं" तक सब कुछ सुना होगा। सच्चाई इससे कहीं अधिक जटिल है। एआई का जल उपयोग इस बात पर निर्भर करता है कि वह कहाँ चलता है, आपका प्रश्न कितना लंबा है, और डेटा सेंटर अपने सर्वरों को कैसे ठंडा रखता है। इसलिए, हाँ, बताई गई संख्या सही है, लेकिन इसके पीछे कई शर्तें छिपी हैं।

नीचे मैं स्पष्ट, निर्णय लेने योग्य आंकड़ों का विश्लेषण करता हूं, बताता हूं कि अनुमानों में मतभेद क्यों हैं, और दिखाता हूं कि बिल्डर और आम उपयोगकर्ता कैसे स्थिरता के कट्टर अनुयायी बने बिना पानी के खर्च को कम कर सकते हैं।

इसके बाद आप जो लेख पढ़ना चाहेंगे वे इस प्रकार हैं:

🔗 एआई डेटासेट क्या है?
यह बताता है कि डेटासेट मशीन लर्निंग प्रशिक्षण और मॉडल विकास को कैसे सक्षम बनाते हैं।

🔗 एआई रुझानों की भविष्यवाणी कैसे करता है
यह दर्शाता है कि एआई किस प्रकार पैटर्न का विश्लेषण करके परिवर्तनों और भविष्य के परिणामों का पूर्वानुमान लगाता है।

🔗 AI प्रदर्शन को कैसे मापें
यह सटीकता, गति और विश्वसनीयता का आकलन करने के लिए आवश्यक मापदंडों का विस्तृत विवरण देता है।

🔗 AI से कैसे बात करें
यह लेख स्पष्टता, परिणामों और निरंतरता में सुधार के लिए प्रभावी प्रोत्साहन रणनीतियों का मार्गदर्शन करता है।

कृत्रिम बुद्धिमत्ता कितना पानी इस्तेमाल करती है? कुछ आसान आंकड़े जो आपके काम आ सकते हैं 📏

• आज के समय में प्रति प्रॉम्प्ट सामान्य सीमा इस प्रकार है: उप-मिलीलीटर से लेकर दूसरी प्रणाली पर लंबे, उच्च-गणना वाले उत्तर के लिए दसियों मिलीलीटर तक औसत टेक्स्ट प्रॉम्प्ट लगभग 0.26 मिलीलीटर होता है (जिसमें पूर्ण सर्विंग ओवरहेड शामिल है) [1]। मिस्ट्रल के जीवनचक्र मूल्यांकन के अनुसार 400 टोकन वाले सहायक उत्तर की मात्रा लगभग 45 मिलीलीटर है (सीमांत अनुमान) [2]। संदर्भ और मॉडल का बहुत महत्व है।

• एक सीमांत-स्तरीय मॉडल को प्रशिक्षित करना: लाखों लीटर तक पहुँच सकता है , मुख्यतः शीतलन और बिजली उत्पादन में निहित पानी से। एक व्यापक रूप से उद्धृत अकादमिक विश्लेषण ने जीपीटी-श्रेणी के मॉडल को प्रशिक्षित करने के लिए लगभग 5.4 मिलियन लीटर का लगभग 700,000 लीटर - और पानी की तीव्रता को कम करने के लिए स्मार्ट शेड्यूलिंग की वकालत की [3]।

• सामान्य तौर पर डेटा केंद्र: बड़ी साइटें औसतन प्रति दिन सैकड़ों हजारों गैलन

सच कहें तो, ये आंकड़े पहली नजर में असंगत लगते हैं। और वे हैं भी। और इसके पीछे ठोस कारण हैं।

एआई द्वारा जल उपयोग के मापन ✅

एआई कितना पानी इस्तेमाल करता है? इस सवाल का अच्छा जवाब देते समय कुछ बातों का ध्यान रखना चाहिए:

1. सीमा स्पष्टता
   क्या इसमें केवल ऑनसाइट शीतलन जल शामिल है, या बिजली संयंत्रों बिजली उत्पन्न करने के लिए ऑफसाइट जल जल निकासी बनाम जल खपत और दायरे 1-2-3 को कार्बन लेखांकन [3] के समान अलग करता है।

2. स्थान संवेदनशीलता
   प्रति किलोवाट घंटा पानी क्षेत्र और ग्रिड मिश्रण के अनुसार भिन्न होता है, इसलिए एक ही संकेत अलग-अलग जल प्रभाव डाल सकता है, यह इस बात पर निर्भर करता है कि इसे कहाँ परोसा जाता है - साहित्य समय और स्थान के प्रति जागरूक शेड्यूलिंग की [3]।

3. कार्यभार यथार्थवाद
   क्या यह संख्या औसत उत्पादन संकेतों को , जिसमें निष्क्रिय क्षमता और डेटा सेंटर ओवरहेड शामिल हैं, या केवल चरम पर एक्सेलेरेटर? Google अनुमान के लिए पूर्ण-सिस्टम लेखांकन (निष्क्रिय, सीपीयू/डीआरएएम, और डेटा-सेंटर ओवरहेड) पर जोर देता है, न कि केवल टीपीयू गणित [1]।

4. शीतलन प्रौद्योगिकी
   वाष्पीकरण शीतलन, बंद-लूप तरल शीतलन, वायु शीतलन, और उभरते प्रत्यक्ष-से-चिप शीतलन जल के उपयोग को समाप्त करने के उद्देश्य से डिजाइन पेश कर रहा है [4]।

5. दिन का समय और मौसम
   गर्मी, आर्द्रता और ग्रिड की स्थिति पानी के उपयोग की प्रभावशीलता को ; एक प्रभावशाली अध्ययन से पता चलता है कि प्रमुख नौकरियों को तब और वहां शेड्यूल करना चाहिए जब पानी की तीव्रता कम हो [3]।

जल निकासी बनाम जल खपत, व्याख्या 💡

• निकासी = नदियों, झीलों या जलभंडारों से लिया गया पानी (कुछ पानी वापस लौटा दिया जाता है)।

• उपभोग = वह पानी जो वाष्पित हो जाता है या प्रक्रियाओं/उत्पादों में शामिल हो जाता है, इसलिए वापस नहीं लौटाया जाता

कूलिंग टावर मुख्य रूप से वाष्पीकरण के माध्यम से पानी की खपत करते हैं पानी निकाल (कभी-कभी इसका कुछ हिस्सा खपत भी करता है)। एक विश्वसनीय एआई-जल संख्या यह दर्शाती है कि यह क्या रिपोर्ट कर रहा है [3]।

एआई में पानी कहाँ जाता है: तीन बाल्टियाँ 🪣

1. स्कोप 1 - ऑन-साइट कूलिंग
   दृश्यमान भाग: डेटा सेंटर में ही वाष्पीकृत पानी। डिज़ाइन विकल्प जैसे वाष्पीकरण बनाम हवा या बंद-लूप तरल आधार रेखा निर्धारित करते हैं [5]।

2. स्कोप 2 - बिजली उत्पादन
   प्रत्येक किलोवाट-घंटे में एक छिपा हुआ जल टैग हो सकता है; मिश्रण और स्थान लीटर-प्रति-kWh सिग्नल निर्धारित करते हैं जो आपके कार्यभार को विरासत में मिलता है [3]।

3. स्कोप 3 - आपूर्ति श्रृंखला
   चिप निर्माण में अति-शुद्ध पानी पर निर्भर करता है। आप इसे "प्रति संकेत" मीट्रिक में नहीं देखेंगे जब तक कि सीमा में स्पष्ट रूप से अंतर्निहित प्रभाव (जैसे, एक पूर्ण एलसीए) शामिल न हो [2][3]।

संख्यात्मक रूप से सेवा प्रदाताओं का विस्तृत विवरण 🧮

• गूगल जेमिनी
  फुल-स्टैक सर्विंग विधि (निष्क्रिय और सुविधा ओवरहेड सहित) को संकेत देता है। औसत टेक्स्ट संकेत ~0.26 मिलीलीटर पानी के साथ ~0.24 डब्ल्यूएच ऊर्जा; आंकड़े उत्पादन ट्रैफ़िक और व्यापक सीमाओं को दर्शाते हैं [1]।

• मिस्ट्रल लार्ज 2 जीवनचक्र
  एक दुर्लभ स्वतंत्र एलसीए (एडीएमई/कार्बोन 4 के साथ) प्रशिक्षण + प्रारंभिक उपयोग के लिए ~281,000 एम³ 400-टोकन के लिए अनुमान सीमांत ~45 एमएल का [2]।

• माइक्रोसॉफ्ट की शून्य-जल शीतलन महत्वाकांक्षा
  अगली पीढ़ी के डेटा केंद्रों को शीतलन के लिए शून्य पानी की खपत करने , जो सीधे चिप दृष्टिकोण पर निर्भर करता है; प्रशासनिक उपयोगों के लिए अभी भी कुछ पानी की आवश्यकता होती है [4]।

• सामान्य डेटा-केंद्र पैमाने
  प्रमुख ऑपरेटर सार्वजनिक रूप से औसतन प्रति दिन सैकड़ों हजारों गैलन की ; जलवायु और डिजाइन संख्याओं को ऊपर या नीचे धकेलते हैं [5]।

• पहले के अकादमिक आधार रेखा
  मौलिक "प्यासा एआई" विश्लेषण ने जीपीटी-क्लास मॉडल को प्रशिक्षित करने के लिए लाखों लीटर का 10-50 मध्यम उत्तर लगभग 500 एमएल की बोतल के बराबर हो सकते हैं - यह इस बात पर बहुत निर्भर करता है कि वे कब/कहाँ चलते हैं [3]।

अनुमानों में इतना अंतर क्यों है? 🤷

• विभिन्न सीमाएँ
  कुछ आंकड़े केवल ऑन-साइट कूलिंग की ; अन्य बिजली के पानी को ; एलसीए चिप निर्माण को । सेब, संतरे और फलों का सलाद [2][3]।

• विभिन्न कार्यभार
  एक छोटा टेक्स्ट प्रॉम्प्ट एक लंबा मल्टीमॉडल/कोड रन नहीं है; बैचिंग, समवर्तीता और विलंबता लक्ष्य उपयोग को बदलते हैं [1][2]।

• विभिन्न जलवायु और ग्रिड
  गर्म, शुष्क क्षेत्र में वाष्पीकरण शीतलन ≠ ठंडे, नम क्षेत्र में वायु/तरल शीतलन। ग्रिड जल तीव्रता व्यापक रूप से भिन्न होती है [3]।

• विक्रेता पद्धतियाँ
  गूगल ने एक सिस्टम-व्यापी सेवा पद्धति प्रकाशित की; मिस्ट्रल ने एक औपचारिक एलसीए प्रकाशित किया। अन्य विरल विधियों के साथ बिंदु अनुमान प्रदान करते हैं। एक चर्चित "एक चम्मच का पंद्रहवां हिस्सा" प्रति प्रॉम्प्ट दावे ने सुर्खियाँ बटोरीं - लेकिन सीमा विवरण के बिना, यह तुलनीय नहीं है [1][3]।

• एक गतिशील लक्ष्य
  शीतलन तेजी से विकसित हो रहा है। माइक्रोसॉफ्ट पानी रहित शीतलन का ; इन्हें लागू करने से साइट पर पानी की खपत कम हो जाएगी, भले ही अपस्ट्रीम बिजली अभी भी पानी का संकेत देती हो [4]।

कृत्रिम बुद्धिमत्ता के जल उपयोग को कम करने के लिए आप आज क्या कर सकते हैं 🌱

1. मॉडल को उचित आकार दें।
   छोटे, कार्य-अनुकूलित मॉडल अक्सर कम कंप्यूटिंग ऊर्जा का उपयोग करते हुए सटीकता से मेल खाते हैं। मिस्ट्रल का आकलन आकार-से-फुटप्रिंट सहसंबंधों पर ज़ोर देता है - और सीमांत अनुमान संख्याएँ प्रकाशित करता है ताकि आप ट्रेडऑफ़ के बारे में तर्क कर सकें [2]।

2. जल-समझदार क्षेत्रों का चयन करें।
   ठंडी जलवायु, कुशल शीतलन और प्रति किलोवाट घंटे कम जल तीव्रता वाले ग्रिड वाले क्षेत्रों को प्राथमिकता दें; "प्यासी एआई" कार्य समय और स्थान-जागरूक शेड्यूलिंग में मदद करता है [3]।

3. समय में कार्यभार बदलें।
   जल-कुशल घंटों (ठंडी रातें, अनुकूल ग्रिड स्थितियाँ) के लिए प्रशिक्षण/भारी बैच अनुमान को शेड्यूल करें [3]।

4. अपने विक्रेता से पारदर्शी मेट्रिक्स,
   प्रति-प्रॉम्प्ट पानी की मांग , सीमा परिभाषाएँ, और क्या संख्याओं में निष्क्रिय क्षमता और सुविधा ओवरहेड शामिल हैं, के बारे में पूछें। नीति समूह समान तुलना संभव बनाने के लिए अनिवार्य प्रकटीकरण पर जोर दे रहे हैं [3]।

5. कूलिंग तकनीक मायने रखती है।
   यदि आप हार्डवेयर चलाते हैं, तो क्लोज्ड-लूप/डायरेक्ट-टू-चिप कूलिंग का ; यदि आप क्लाउड पर हैं, तो वाटर-लाइट डिज़ाइन [4][5]।

6. ग्रेवाटर और पुन: उपयोग विकल्पों का उपयोग करें।
   कई परिसर गैर-पीने योग्य स्रोतों को प्रतिस्थापित कर सकते हैं या लूप के भीतर पुनर्चक्रण कर सकते हैं; बड़े ऑपरेटर शुद्ध प्रभाव को कम करने के लिए जल स्रोतों और शीतलन विकल्पों को संतुलित करने का वर्णन करते हैं [5]।

इसे व्यावहारिक बनाने के लिए एक त्वरित उदाहरण (यह कोई सार्वभौमिक नियम नहीं है): ग्रीष्म ऋतु के मध्य में गर्म, शुष्क क्षेत्र से वसंत ऋतु में ठंडे, अधिक आर्द्र क्षेत्र में रात्रिकालीन प्रशिक्षण कार्य को स्थानांतरित करना - और इसे कम व्यस्त समय के दौरान चलाना - ऑनसाइट जल उपयोग और ऑफसाइट (ग्रिड) जल तीव्रता दोनों को बदल सकता है। यह उस तरह की व्यावहारिक, कम नाटकीय जीत है जिसे शेड्यूलिंग अनलॉक कर सकती है [3]।

तुलना तालिका: कृत्रिम बुद्धिमत्ता के कारण पानी की खपत कम करने के लिए त्वरित उपाय 🧰

(''कीमत'' जानबूझकर अस्पष्ट रखी गई है - तैनाती अलग-अलग हो सकती है।')

गहन विश्लेषण: नीतिगत चर्चा तेज़ होती जा रही है 🥁

इंजीनियरिंग निकाय अनिवार्य प्रकटीकरण ताकि खरीदार और समुदाय लागत और लाभों का आकलन कर सकें। सिफारिशों में कार्यक्षेत्र परिभाषाएँ, साइट-स्तरीय रिपोर्टिंग और साइटिंग मार्गदर्शन शामिल हैं - क्योंकि तुलनीय, स्थान-जागरूक मेट्रिक्स के बिना, हम अंधेरे में तर्क कर रहे हैं [3]।

गहन विश्लेषण: सभी डेटा सेंटर एक ही तरीके से ऊर्जा खपत नहीं करते 🚰

एक प्रचलित मिथक है कि "एयर कूलिंग में पानी का उपयोग नहीं होता।" यह पूरी तरह गलत है। एयर-हैवी सिस्टम में अक्सर अधिक बिजली की , जो कई क्षेत्रों में ग्रिड से अप्रत्यक्ष रूप से पानी की वाटर कूलिंग से बिजली और उत्सर्जन में कटौती हो सकती है, लेकिन इसके लिए साइट पर पानी की आवश्यकता होती है। बड़े ऑपरेटर इन ट्रेड-ऑफ को साइट-दर-साइट स्पष्ट रूप से संतुलित करते हैं [1][5]।

गहन विश्लेषण: वायरल दावों की त्वरित वास्तविकता की जाँच 🧪

आपने शायद ऐसे दावे देखे होंगे जिनमें कहा जाता है कि एक ही प्रॉम्प्ट "एक पानी की बोतल" के बराबर है, या दूसरी तरफ, "बस कुछ बूँदें"। बेहतर तरीका: गणित में विनम्रता । आज के विश्वसनीय मापदंड हैं पूर्ण सर्विंग ओवरहेड के साथ एक औसत उत्पादन प्रॉम्प्ट के लिए लगभग 0.26 मिलीलीटर लगभग 45 मिलीलीटर [2]। व्यापक रूप से प्रचलित "एक चम्मच का पंद्रहवाँ भाग" का दावा सार्वजनिक सीमा/विधि से रहित है; इसे शहर के बिना मौसम पूर्वानुमान की तरह समझें [1][3]।

संक्षिप्त प्रश्न: कृत्रिम बुद्धिमत्ता कितना पानी इस्तेमाल करती है? सरल शब्दों में कहें तो 🗣️

• तो, मुझे मीटिंग में क्या कहना चाहिए?
  “प्रॉम्प्ट के अनुसार, यह मॉडल, लंबाई और उपयोग के स्थान के आधार पर कुछ बूंदों से लेकर कुछ घूंटों तक प्रशिक्षण के लिए तालाबों की आवश्यकता होती है , न कि छोटे-छोटे गड्ढों की।” फिर ऊपर दिए गए एक या दो उदाहरण दें।

• क्या एआई अद्वितीय रूप से खराब है?
  यह अद्वितीय रूप से केंद्रित : एक साथ पैक किए गए उच्च-शक्ति चिप्स बड़े शीतलन भार बनाते हैं। लेकिन डेटा सेंटर भी वह जगह है जहां सबसे अच्छी दक्षता तकनीक पहले आती है [1][4]।

• क्या होगा अगर हम सब कुछ एयर कूलिंग में बदल दें?
  आप ऑनसाइट पानी की खपत कम कर सकते हैं लेकिन ऑफसाइट पानी की खपत बढ़ा सकते हैं। परिष्कृत ऑपरेटर दोनों का आकलन करते हैं [1][5]।

• भविष्य की तकनीक के बारे में क्या?
  शीतलन जल से बचने वाले डिज़ाइन स्कोप 1 के लिए गेम-चेंजर साबित होंगे। कुछ ऑपरेटर इस दिशा में आगे बढ़ रहे हैं; ग्रिड बदलने तक अपस्ट्रीम बिजली अभी भी पानी का संकेत देती है [4]।

अंतिम टिप्पणी - बहुत लंबा है, मैंने इसे पढ़ा नहीं 🌊

• प्रति प्रॉम्प्ट: मॉडल, प्रॉम्प्ट की लंबाई और यह कहाँ चलता है, के आधार पर उप-मिलीलीटर से लेकर दसियों मिलीलीटर तक सोचें एक प्रमुख स्टैक पर औसत प्रॉम्प्ट ~0.26 एमएल 400-टोकन उत्तर के लिए ~45 एमएल [1][2]।

• प्रशिक्षण: लाखों लीटर , जिससे शेड्यूलिंग, साइटिंग और कूलिंग तकनीक महत्वपूर्ण हो जाती है [3]।

• क्या करें: मॉडल को सही आकार दें, जल-समझदार क्षेत्रों का चयन करें, भारी कामों को ठंडे घंटों में स्थानांतरित करें, जल-हल्के डिज़ाइन साबित करने वाले विक्रेताओं को प्राथमिकता दें, और पारदर्शी सीमाओं की मांग करें [1][3][4][5]।

अंत में एक थोड़ी त्रुटिपूर्ण उपमा: एआई एक प्यासे ऑर्केस्ट्रा की तरह है - धुन तो कंप्यूटर द्वारा उत्पन्न होती है, लेकिन ड्रम ठंडे और ग्रिड के पानी की तरह होते हैं। बैंड को सही धुन में ढालें, और श्रोताओं को बिना पानी के फव्वारे चले भी संगीत का आनंद मिलेगा। 🎻💦

संदर्भ

1. गूगल क्लाउड ब्लॉग - गूगल की एआई कितनी ऊर्जा का उपयोग करती है? हमने गणना की (कार्यप्रणाली + लगभग 0.26 मिलीलीटर औसत प्रॉम्प्ट, पूर्ण सर्विंग ओवरहेड)। लिंक
   (तकनीकी पेपर पीडीएफ: गूगल स्तर पर एआई प्रदान करने के पर्यावरणीय प्रभाव का मापन ।) लिंक

2. मिस्ट्रल एआई - एआई के लिए वैश्विक पर्यावरणीय मानक में हमारा योगदान (ADEME/Carbone 4 के साथ एलसीए; लगभग 281,000 वर्ग मीटर प्रशिक्षण + प्रारंभिक उपयोग; 400 टोकन के लिए लगभग 45 मिलीलीटर , मार्जिनल इन्फरेंस)। लिंक

3. ली एट अल. - एआई को कम "पानी की खपत" वाला बनाना: एआई मॉडल के गुप्त जल पदचिह्न का पता लगाना और उसका समाधान करना लाखों लीटर प्रशिक्षण , समय और स्थान के अनुसार शेड्यूलिंग, निकासी बनाम खपत)। लिंक

4. माइक्रोसॉफ्ट - अगली पीढ़ी के डेटासेंटर शीतलन के लिए पानी का बिल्कुल भी उपयोग नहीं करते (कुछ स्थानों पर जल-मुक्त शीतलन को लक्षित करते हुए डायरेक्ट-टू-चिप डिज़ाइन)। लिंक

5. गूगल डेटा सेंटर - सतत संचालन (साइट-दर-साइट शीतलन संबंधी समझौते; रिपोर्टिंग और पुन: उपयोग, जिसमें पुनः प्राप्त/अपशिष्ट जल शामिल है; साइट-स्तरीय उपयोग के सामान्य दैनिक परिमाण)। लिंक

आधिकारिक AI सहायक स्टोर पर नवीनतम AI खोजें

हमारे बारे में