द वॉल स्ट्रीट जर्नल की एक रिपोर्ट के अनुसार, आर्टिफिशियल इंटेलिजेंस के लिए उपयोग किए जाने वाले डेटा सेंटर बड़ी प्रौद्योगिकी कंपनियों द्वारा बताए गए पानी की मात्रा से काफी अधिक पानी का उपभोग कर रहे हैं।
अघोषित पर्यावरणीय प्रभाव
मुद्दे का मूल केवल सर्वर को ठंडा करने की प्रक्रिया में नहीं है, बल्कि उस बिजली को उत्पन्न करने के लिए आवश्यक पानी में भी है जो इस पूरी बुनियादी ढांचे को चालू रखता है। एआई के तेजी से विस्तार के साथ, माइक्रोसॉफ्ट, गूगल और अमेज़ॅन जैसी कंपनियां विश्व स्तर पर अपने डेटा सेंटर नेटवर्क का विस्तार कर रही हैं। हालांकि, पर्यावरणीय लागत का एक महत्वपूर्ण हिस्सा आधिकारिक रिपोर्टों से बाहर रहता है।
ये दस्तावेज़ आमतौर पर केवल डेटा सेंटरों में सीधे उपयोग किए गए पानी को गिनते हैं। हालांकि, एक द्वितीयक खपत मौजूद है, जो उन ऊर्जा संयंत्रों से जुड़ी है जो इन संचालन का समर्थन करते हैं, और यह प्रत्यक्ष उपयोग से कहीं अधिक हो सकती है। संयुक्त राज्य अमेरिका में किए गए अध्ययनों से पता चलता है कि ऊर्जा मिश्रण की संरचना के आधार पर, यह अप्रत्यक्ष खपत घोषित मूल्य का बारह गुना तक पहुंच सकती है।
ऊर्जा और पानी के बीच संबंध
इस प्रभाव की मात्रा ऊर्जा के स्रोत के आधार पर नाटकीय रूप से भिन्न होती है। कोयला और परमाणु चालित संयंत्र शीतलन उद्देश्यों के लिए बड़ी मात्रा में पानी की मांग करते हैं। इसके विपरीत, प्राकृतिक गैस का उपयोग इस आवश्यकता को कम करता है, जबकि सौर और पवन ऊर्जा स्रोतों में पानी पर लगभग नगण्य निर्भरता होती है।
लेख में उल्लिखित एक अध्ययन इंगित करता है कि विशेष रूप से गूगल के मामले में, अप्रत्यक्ष खपत प्रत्यक्ष खपत से लगभग तीन गुना अधिक हो सकती है। यह ध्यान रखना महत्वपूर्ण है कि सर्वर को ठंडा करना सबसे स्पष्ट खर्च है, लेकिन ऊर्जा उत्पादन कुल प्रभाव को काफी बढ़ा सकता है। जीवाश्म ईंधन पानी की मांग को बढ़ाते हैं, जबकि नवीकरणीय स्रोत इस खपत को लगभग पूरी तरह से कम करते हैं। इसके अलावा, वास्तविक प्रभाव का एक बड़ा हिस्सा कॉर्पोरेट प्रदर्शनों में शामिल नहीं किया जाता है।
पारदर्शिता और विनियमन के मुद्दे
वर्तमान में, कोई कानूनी अनिवार्यता नहीं है जो कंपनियों को एआई से संबंधित पानी की पूरी खपत प्रकट करने के लिए मजबूर करे। इस नियामक कमी से विशेषज्ञों और पर्यावरण एजेंसियों की आलोचना की अनुमति मिलती है, जो अक्सर डेटा की कम रिपोर्टिंग की ओर इशारा करते हैं। उदाहरण के लिए, मेटा ने पहले ही स्वीकार किया है कि इसकी अप्रत्यक्ष खपत प्रत्यक्ष खपत से बीस गुना से अधिक हो सकती है। इसके बावजूद, अधिकांश कंपनियां अपनी रिपोर्टिंग केवल डेटा सेंटरों के आंतरिक उपयोग पर केंद्रित करती रहती हैं।
टिकाऊ समाधानों की खोज
इस प्रभाव को कम करने के लिए, कंपनियां बंद-लूप शीतलन प्रणालियों में निवेश कर रही हैं, जो निरंतर निपटान के बजाय पानी के पुन: उपयोग की अनुमति देती हैं। एनवीडिया का दावा है कि इस तकनीक में नई सुविधाओं में पानी की प्रत्यक्ष खपत को लगभग पूरी तरह से समाप्त करने की क्षमता है, और माइक्रोसॉफ्ट भी अगले कुछ वर्षों में इसी तरह के तरीकों को अपनाने की उम्मीद करता है। इन नवाचारों के बावजूद, मौजूदा बुनियादी ढांचे का एक बड़ा हिस्सा अभी भी वाष्पीकरण प्रणालियों पर निर्भर करता है, जो ऊर्जा कुशल होने के बावजूद अधिक पानी का उपभोग करते हैं।
संक्षेप में, आर्टिफिशियल इंटेलिजेंस का घातीय विकास एक स्पष्ट दुविधा स्थापित करता है: कंप्यूटिंग क्षमता जितनी अधिक होगी, दुर्लभ प्राकृतिक संसाधनों पर उतना ही अधिक दबाव पड़ेगा।
