राय: शेरिफ एल्सेएड-अली, टेक और एआई के बहु-संस्थापक और नेक्सस क्लाइमेट के सह-संस्थापक।
प्रौद्योगिकी और नवाचार के बारे में हर बातचीत में एआई का इस्तेमाल किया जाता है। यह पिछले डेढ़ साल से तकनीक पर हावी है। इसे उत्पादकता से लेकर शिक्षा, स्वास्थ्य सेवा और जलवायु संकट तक हर चीज का समाधान बताया जा रहा है। लेकिन मैं आपको एक रहस्य बताता हूं: यह एआई, जिसके बारे में हर कोई बात कर रहा है, ने जलवायु संकट के लिए कुछ नहीं किया है।
दरअसल, इस बात को भूल जाइए। यह डेटा केंद्रों से होने वाले उत्सर्जन में भारी वृद्धि के लिए जिम्मेदार है । इस प्रकार की कृत्रिम बुद्धिमत्ता, जिसे जनरेटिव एआई या संक्षेप में GenAI कहा जाता है, हमें चैटजीपीटी जैसे अनुप्रयोगों में बड़े भाषा मॉडल (LLM) और मिडजर्नी जैसे छवि निर्माण उपकरणों में देखने को मिलती है।
GenAI में बहुत ज़्यादा निवेश किया जा रहा है - चाहे सारा प्रचार उचित हो या नहीं, यह एक और चर्चा का विषय है (मेरा संक्षिप्त विचार: नहीं, यह एक अतिरंजित बुलबुला है जो फट जाएगा)। मुझे इस बात की चिंता है कि जब जलवायु संकट से निपटने में AI की भूमिका की बात आती है, तो GenAI प्रचार ट्रेन लौकिक कमरे से सारी हवा चूस रही है।
GenAI, AI और मशीन लर्निंग के बहुत बड़े क्षेत्र का एक उपसमूह है. जलवायु समस्याओं से निपटने वाले लोगों और संगठनों के लिए इसका कुछ उपयोग हो सकता है, मुख्य रूप से डेटा और सूचना का विश्लेषण करने के लिए। हालाँकि, जब किसी भी चीज़ को सीधे डीकार्बोनाइज़ करने की बात आती है, तो एलएलएम और उनकी छवि और वीडियो बंधुओं काफ़ी हद तक बेकार हैं।*
लेकिन आज ऐसी कई AI और मशीन लर्निंग तकनीकें हैं जो सीधे तौर पर डीकार्बोनाइजेशन में योगदान दे रही हैं। वे चैटबॉट नहीं हैं और वे बटन दबाने पर वीडियो नहीं बनाते हैं। और, वे GenAI की तुलना में बहुत कम बिजली की खपत करते हैं। इसका एक बेहतरीन उदाहरण समय-श्रृंखला पूर्वानुमान है, जो भविष्य के मूल्यों की भविष्यवाणी करने के लिए समय अनुक्रम डेटासेट में पिछले मूल्यों का उपयोग करता है। यह आकर्षक नहीं है, यह सुर्खियाँ नहीं बटोरता है, लेकिन यह बेहद प्रभावी हो सकता है।
आज एआई और मशीन लर्निंग अनेक क्षेत्रों और उद्योगों को कार्बन मुक्त करने में मदद कर रहे हैं, और कई स्टार्टअप अपने एआई उत्पादों के माध्यम से बड़ी चुनौतियों का समाधान कर रहे हैं। कुछ उदाहरणों में शामिल हैं: कार्बन री , जो सीमेंट उत्पादन में ईंधन दहन को अधिक कुशल बना रहा है; कंक्रीट एआई , जो कंक्रीट मिश्रणों को अनुकूलित कर रहा है; फोरसाइट डेटा मशीन्स , जो इस्पात निर्माण की दक्षता बढ़ा रहा है; और ब्रेनबॉक्स एआई , जो भवनों को ठंडा करने की प्रक्रिया को अधिक कुशल बना रहा है। इसके अलावा भी कई अन्य रोमांचक उपयोग सामने आ रहे हैं, उदाहरण के लिए ऑर्बिटल मैटेरियल्स एआई का उपयोग करके नए कम कार्बन वाले पदार्थों को डिजाइन कर रहा है और प्रिंसटन के वैज्ञानिक एआई का उपयोग करके संलयन प्रतिक्रियाओं को नियंत्रित कर रहे हैं ।
ये AI समाधान कठिन हैं। उन्हें न केवल AI विशेषज्ञता की आवश्यकता है, बल्कि गहन डोमेन विशेषज्ञता की भी आवश्यकता है। उन्हें औद्योगिक प्रक्रियाओं, रसायन विज्ञान और सामग्री विज्ञान के विशेषज्ञों के साथ मिलकर काम करने वाले AI इंजीनियरों और शोधकर्ताओं की आवश्यकता है। उन्हें बहुत सारे डेटा की आवश्यकता होती है जो लगभग हमेशा मालिकाना होता है।
एक ऐसा AI उत्पाद बनाना जो वास्तविक उत्सर्जन में कमी लाए, किसी सॉफ्टवेयर एप्लीकेशन में LLM को शामिल करने से कहीं ज़्यादा कठिन है। जलवायु के लिए वास्तविक AI समाधानों में डीकार्बोनाइजेशन को सक्षम और तेज़ करने की बहुत बड़ी क्षमता है - और इसलिए बहुत महत्वपूर्ण आर्थिक और वित्तीय रिटर्न क्षमता है। जलवायु परिवर्तन से निपटने में AI एक बहुत ही महत्वपूर्ण उपकरण है, लेकिन हमें LLM के बारे में बात करना बंद कर देना चाहिए।
*इससे GenAI और इसके व्यापक अनुप्रयोगों में अंतर्निहित ट्रांसफार्मर आर्किटेक्चर से कोई कमी नहीं आती है
**पारदर्शिता के लिए, मैं कार्बन री का सह-संस्थापक हूं।
