एआई के दो पहलू: एआई के पृथ्वी को बचाने की संभावना, उससे पहले - अदृश्य बिजली, पानी और उत्सर्जन की कहानी

AI के जीवन में घुलने की गति हाल के वर्षों में और भी तेज हो गई है। खोज, अनुवाद, सामग्री निर्माण, छवि निर्माण, ग्राहक समर्थन - सुविधा निश्चित रूप से फैल गई है, लेकिन इस "सामान्य" के पीछे, AI को बिजली और पानी की भारी मात्रा की आवश्यकता होती है। डेटा केंद्रों का विस्तार, अर्धचालकों का निर्माण, शीतलन के लिए पानी का उपयोग, बिजली की आपूर्ति के लिए बिजली उत्पादन संरचना में परिवर्तन। इन तत्वों के संयोजन से यह सवाल उठता है कि "क्या AI पर्यावरण के लिए बोझ नहीं है?"

हालांकि, Phys.org के इस लेख (The Conversation के योगदान का पुनः प्रकाशन) ने सरल अच्छे-बुरे के द्वैतवाद से बचा है। AI पर्यावरण लागत को बढ़ा सकता है, लेकिन वही AI "संसाधनों की बर्बादी" को खोजने, कम करने और अनुकूलित करने का उपकरण भी बन सकता है - यह एक व्यवस्थित दृष्टिकोण है। दूसरे शब्दों में, AI "ईंधन खाने वाला उपकरण" होने के साथ-साथ "ईंधन की बर्बादी को रोकने वाला नियंत्रण उपकरण" भी बन सकता है। सवाल यह है कि कौन सा पक्ष हावी होता है, और इसे हावी करने के लिए क्या आवश्यक है।

1) पहले "बोझ" की बात: AI पर्यावरण को क्यों प्रभावित करता है (बुरे अर्थ में)?

AI के पर्यावरणीय प्रभाव को मुख्य रूप से तीन भागों में विभाजित किया जा सकता है।

• बिजली: प्रशिक्षण (लर्निंग) और अनुमान (उपयोग के समय की गणना) दोनों के लिए, GPU/TPU आदि का बड़े पैमाने पर उपयोग होता है।

• पानी: शीतलन और बिजली उत्पादन के लिए पानी के उपयोग से जुड़ा होता है, और कुछ क्षेत्रों में जल संसाधनों की कमी के साथ टकराता है।

• उपकरण और सामग्री: अर्धचालक, सर्वर, पारेषण नेटवर्क का सुदृढ़ीकरण, निर्माण सामग्री, और कचरा (ई-कचरा) भी शामिल हैं।

इसके अलावा, एक और जटिल समस्या यह है कि दक्षता में सुधार हमेशा कुल मात्रा में कमी की ओर नहीं ले जाता है, जिसे "रिबाउंड (मांग प्रेरण)" कहा जाता है। भले ही AI ऊर्जा की बचत करे, अगर AI का उपयोग तेजी से बढ़ता है, तो कुल बिजली की खपत बढ़ जाएगी। इसका मतलब है कि AI को "पर्यावरण के लिए अच्छे तरीके से" उपयोग करने के लिए, केवल तकनीक ही नहीं, बल्कि मांग पक्ष की डिजाइन (कहां AI का उपयोग करना है और कहां नहीं करना है) और माप, प्रकाशन, और विनियमन की रूपरेखा की आवश्यकता होगी।

2) फिर भी "मित्र" बनने के कारण: लेख में बताए गए 5 क्षेत्र

लेख की दिलचस्पी यह है कि "AI पर्यावरणीय उपायों में मदद करता है" की बात को केवल सैद्धांतिक नहीं छोड़ता, बल्कि कई वास्तविक उपयोग मामलों का उल्लेख करता है। यहां, हम प्रत्येक क्षेत्र में "क्या कम किया जा सकता है" पर ध्यान केंद्रित करेंगे।

(A) कृषि: पानी कम करना = बिजली भी कम करना

कृषि दुनिया के ताजे पानी के उपयोग का एक बड़ा हिस्सा है। लेख में, अर्जेंटीना की जलवायु टेक कंपनी Kilimo के उदाहरण के रूप में, मशीन लर्निंग और मौसम/उपग्रह डेटा का उपयोग करके "कब, किस क्षेत्र में, कितना पानी देना चाहिए" को अनुकूलित करने वाली सटीक सिंचाई का उल्लेख किया गया है। पानी की कमी अपने आप में मूल्यवान है, लेकिन एक और महत्वपूर्ण बात यह है कि पंपों के माध्यम से पानी को उठाने और खेतों तक पहुंचाने के लिए ऊर्जा भी कम होती है।

इसके अलावा, जल संरक्षण की मात्रा को सत्यापित करने और जल संरक्षण क्रेडिट के रूप में व्यापार करने की प्रणाली का भी उल्लेख किया गया है। यह पर्यावरणीय प्रभाव को आर्थिक प्रोत्साहन में बदलने की सोच है।

(B) डेटा सेंटर: AI के माध्यम से AI की बर्बादी को कम करना

यह विडंबना लग सकती है, लेकिन डेटा सेंटर संचालन में AI प्रभावी होता है। लेख में बताया गया है कि डेटा सेंटर की बिजली की मांग बड़ी होती है, लेकिन संचालन में सुधार के साथ दक्षता में सुधार हुआ है, और AI "वर्कलोड," "तापमान," "शीतलन दक्षता," "बिजली उपयोग" का विश्लेषण कर सकता है, और गणना संसाधनों और शीतलन को मांग के अनुसार समायोजित कर सकता है।

उदाहरण के लिए, कम मांग के समय में सर्वरों को कम बिजली मोड में डालना, शीतलन और वायु प्रवाह को अनुकूलित करना, मौसम के अनुसार संचालन को बदलना - इस तरह के "साधारण अनुकूलन" का संचय, बड़े बिजली खपत वाले सुविधाओं में अधिक प्रभावी होता है। महत्वपूर्ण बात यह है कि इस तरह के अनुकूलन "सैद्धांतिक बचत" नहीं हैं, बल्कि संचालन स्थल के KPI (बिजली लागत, उपयोग दर, तापमान प्रतिबंध, विफलता दर) के साथ जुड़े होते हैं।

(C) ऊर्जा उद्योग: निरीक्षण और निगरानी के माध्यम से रिसाव और हानि को कम करना

ऊर्जा उद्योग में उत्सर्जन की मात्रा बड़ी होती है, इसलिए सुधार की संभावना भी बड़ी होती है। लेख में ड्रोन फोटोग्राफी और छवि विश्लेषण के माध्यम से पाइपलाइनों आदि की असामान्यताओं का पता लगाने के उदाहरण और मीथेन की निगरानी और अनुमान के लिए AI के उपयोग का उल्लेख किया गया है। मीथेन की अल्पकालिक ग्रीनहाउस प्रभाव मजबूत होती है, इसलिए रिसाव उपायों की तात्कालिकता पर ध्यान दिया जाता है।

हालांकि, यहां प्रतिरोध भी उत्पन्न हो सकता है। "क्या जीवाश्म ईंधन कंपनियां AI का उपयोग करके 'दक्षता' बढ़ा रही हैं और परिणामस्वरूप उनका जीवनकाल बढ़ा रही हैं?" यह संदेह है। AI "डिकार्बोनाइजेशन के त्वरक" और "जीवाश्म ईंधन की उच्च दक्षता उपकरण" दोनों बन सकता है, इसलिए समाज को यह चुनने की आवश्यकता है कि इसे किस दिशा में उपयोग किया जाए।

(D) भवन और क्षेत्रीय ताप आपूर्ति: मानव व्यवहार के बजाय "प्रणाली" के माध्यम से कटौती करना

घरों और कार्यालयों की हीटिंग और बिजली उत्सर्जन से सीधे जुड़ी होती है। लेख में कोपेनहेगन के केंद्र में क्षेत्रीय ताप आपूर्ति के अनुकूलन (सेंसर के माध्यम से भवन की स्थिति को पढ़ना और 24 घंटे पहले की भविष्यवाणी करना और आपूर्ति को समायोजित करना) और AI के माध्यम से मध्यम आकार के कार्यालयों की ऊर्जा खपत को कम करने की संभावना का उल्लेख किया गया है।
यहां कुंजी यह है कि यह "अनुरोध आधारित" नहीं है, बल्कि प्रणाली पहले से ही आगे बढ़कर बर्बादी को समाप्त कर देती है। मानव ऊर्जा बचत की जागरूकता में उतार-चढ़ाव होता है, लेकिन नियंत्रण लगातार चलता रहता है। तापमान, आर्द्रता, और उपयोग की स्थिति को पढ़कर आपूर्ति और खपत पक्ष को मिलाना AI का एक विशेषज्ञ क्षेत्र है।

(E) विमानन: कंडेनसेशन ट्रेल्स (कंट्रेल्स) और ईंधन की बर्बादी को कम करना

विमानन में CO₂ उत्सर्जन के अलावा, कंडेनसेशन ट्रेल्स के कारण होने वाले गर्मी प्रभाव पर भी चर्चा होती है। लेख में AI के माध्यम से उड़ान मार्ग और ऊंचाई को समायोजित करके आर्द्रता की स्थिति से बचने और कंट्रेल्स के गठन को कम करने की संभावना का उल्लेख किया गया है, और इसके अलावा, संचालन डेटा से कुशल मार्गों का प्रस्ताव करके ईंधन दक्षता में सुधार के उदाहरण दिए गए हैं।
विमानन में सुरक्षा और विनियमन सख्त होते हैं, इसलिए कार्यान्वयन सावधानीपूर्वक होता है, लेकिन अगर यह सफलतापूर्वक लागू होता है, तो यह एक बड़ा प्रभाव डाल सकता है।

3) सोशल मीडिया की प्रतिक्रिया: सहानुभूति और चेतावनी "एक साथ" चलती हैं

इस लेख के प्रति सोशल मीडिया पर प्रतिक्रियाएं दो बड़े टोन में विभाजित होती हैं।

① "AI केवल पर्यावरण को नष्ट नहीं करता" पक्ष
कृषि, भवन, और विमानन जैसे क्षेत्रों में, जहां संसाधनों की बर्बादी बड़ी होती है, "अनुकूलन उपकरण" के रूप में AI का उपयोग करने के लिए कुछ समर्थन है। "अगर इसे सही जगह पर उपयोग किया जाए, तो पर्यावरणीय प्रभाव को संतुलित किया जा सकता है" की उम्मीद है। विशेष रूप से, पानी और ईंधन की कमी जैसे क्षेत्रों में, जहां लागत में कमी और वास्तविकता का मेल होता है, इसे सकारात्मक रूप से स्वीकार किया जाता है।

② "आखिरकार, कुल मात्रा बढ़ती है" पक्ष (चेतावनी और आलोचना)
दूसरी ओर, "भले ही दक्षता में सुधार हो, अगर उपयोग बढ़ता है तो इसका कोई मतलब नहीं है", "ऊर्जा की बचत के नाम पर डेटा सेंटर बढ़ते हैं" जैसी चिंताएं गहरी होती हैं। जितना अधिक AI का प्रसार होता है, अनुमान की संख्या बढ़ती है, मॉडल बड़े होते हैं, और डेटा सेंटर निवेश तेजी से होता है। जब तक समाज "सुविधा के प्रलोभन" पर विजय प्राप्त नहीं करता, कुल मात्रा बढ़ सकती है - यह दृष्टिकोण है। हाल ही में, AI और डेटा सेंटर की बिजली की मांग, जीवाश्म ईंधन की वापसी, और पारदर्शिता की कमी पर ध्यान केंद्रित करने वाले लेख सामने आए हैं, और सोशल मीडिया पर भी इसे उसी संदर्भ में लिया जा रहा है।

③ "कौन लाभान्वित होता है और कौन बोझ उठाता है" पक्ष (क्षेत्रीय और न्याय)
एक और बिंदु जो धीरे-धीरे बढ़ रहा है, वह है न्याय का मुद्दा। डेटा सेंटर के स्थान के क्षेत्र में पानी और बिजली का बोझ होता है, और लाभ कहीं और जाता है। अगर AI "वैश्विक स्तर पर अच्छा काम" करता है, तो इसके लाभ और बोझ को कैसे वितरित किया जाए, इसके लिए पारदर्शी स्पष्टीकरण की आवश्यकता है।

ध्यान दें कि Phys.org पर लेख पृष्ठ की टिप्पणी अनुभाग वास्तव में सक्रिय नहीं है (कम से कम प्रदर्शन के अनुसार कोई टिप्पणी नहीं है), और सोशल मीडिया पर प्रसार बड़े पैमाने पर नहीं है, बल्कि "रुचि रखने वाले लोग एक-दूसरे के साथ साझा करते हैं" प्रकार का प्रतीत होता है। हालांकि, चूंकि यह विषय वैश्विक स्तर पर निरंतर चर्चा का विषय है, इसलिए लेख द्वारा प्रस्तुत "द्वैतवाद" को मौजूदा विवाद में ईंधन के रूप में पढ़ा जा रहा है।

4) निष्कर्ष: AI की पर्यावरणीय समस्या "तकनीक" नहीं बल्कि "डिजाइन" और "गवर्नेंस" है

लेख लगातार संकेत देता है कि AI का "उपयोग करना या न करना" नहीं, बल्कि कहां, किन शर्तों पर, किस पैमाने पर, और कैसे मापा जाए यह निर्णायक है। AI के उपयोगी क्षेत्र निश्चित रूप से हैं। लेकिन यह भी सच है कि AI की पर्यावरणीय लागत वास्तव में बढ़ रही है, और अगर इसे अनियंत्रित छोड़ दिया जाए, तो "बचत के लिए AI" "खपत बढ़ाने वाले AI" में समा जाएगा।

व्यावहारिक समाधान तीन बिंदुओं में संक्षेपित किया जा सकता है।

1. मापन और प्रकाशन: मॉडल और सेवा के आधार पर बिजली/पानी/उत्सर्जन को पारदर्शी बनाना (चुनने की स्थिति बनाना)।

2. प्राथमिकता निर्धारण: मनोरंजनात्मक और अत्यधिक उपयोगों की तुलना में, सामाजिक लाभ वाले क्षेत्रों (बिजली ग्रिड, भवन, कृषि, औद्योगिक दक्षता) पर ध्यान केंद्रित करना।

3. रिबाउंड उपाय: दक्षता में सुधार की मांग में वृद्धि में परिवर्तन न हो, इसके लिए संस्थागत डिजाइन (मूल्य निर्धारण, विनियमन, खरीद मानदंड, स्थानीय सरकारों के साथ समझौता)।

AI के "पृथ्वी को बचाने" की संभावना शून्य नहीं है। लेकिन यह स्वचालित रूप से नहीं होगा। AI, अगर अनियंत्रित छोड़ दिया जाए, तो संसाधनों को खाता है। अगर इसे सही ढंग से डिजाइन किया जाए, तो यह बर्बादी को रोक सकता है। अंततः, पृथ्वी के लिए अनुकूल AI बनाने का निर्णय AI नहीं, बल्कि मानव पक्ष के निर्णय पर निर्भर करता है।

स्रोत URL

• Phys.org पर प्रकाशित, The Conversation के योगदान का पुनः प्रकाशन: AI का पर्यावरणीय प्रभाव और कृषि, डेटा सेंटर, ऊर्जा, भवन, और विमानन में इसके उपयोग के उदाहरण
  https://phys.org/news/2026-01-steep-environmental-ai-planet.html

• संबंधित संदर्भ (हाल के मुद्दों की समीक्षा: AI डेटा सेंटर के प्रदूषण, बिजली की मांग, पारदर्शिता की कमी आदि को कवर करने वाली रिपोर्ट के उदाहरण। सोशल मीडिया पर चिंताओं के उत्पन्न होने की पृष्ठभूमि को समझने के लिए उपयोग)
  https://www.theguardian.com/