செயற்கை நுண்ணறிவு என்பது 21 ஆம் நூற்றாண்டின் மிகவும் ஏமாற்றும் தொழில்நுட்ப கண்டுபிடிப்பு ஆகும். அதன் பயன்பாட்டின் எளிமை மற்றும் மின்னல் வேகமான பிரதிபலிப்புகளுடன் அது பதில்களைத் துப்புவது நீர் மற்றும் ஆற்றலுக்கான அதன் மகத்தான பசியை பொய்யாக்குகிறது.ChatGPT ஆனது 2023 ஆம் ஆண்டின் பிற்பகுதியில் தொடங்கப்பட்டபோது உலகைப் புயலால் தாக்கியது. ஆனால் ஒவ்வொரு சுமூகமான பரிமாற்றத்திற்குப் பின்னாலும் ஒரு சிக்கலான இயற்பியல் செயல்முறை உள்ளது. நவீன AI ஆனது டிரில்லியன் கணக்கான வார்த்தைகள், படங்கள் மற்றும் எண்களில் பயிற்சியளிக்கப்பட்ட பரந்த நரம்பியல் நெட்வொர்க்குகளில் கட்டமைக்கப்பட்டுள்ளது. இந்தப் பயிற்சியானது, மாடல்கள் அடுத்த வார்த்தையைக் கணிக்க அல்லது ஒரு வடிவத்தை அடையாளம் காண உதவும் வகையில், கிராபிக்ஸ் ப்ராசசிங் யூனிட்கள் அல்லது ஜிபியுக்கள் மூலம் மீண்டும் மீண்டும் மகத்தான தரவுத்தொகுப்புகளைச் செயலாக்குகிறது. இந்த சில்லுகள், முதலில் வீடியோ கேம் கிராபிக்ஸ் ரெண்டரிங் செய்வதற்காக வடிவமைக்கப்பட்டது, AI வேலை குதிரைகளாக மாறிவிட்டன, ஏனெனில் அவை ஆயிரக்கணக்கான கணித செயல்பாடுகளை ஒரே நேரத்தில் செய்ய முடியும். ஆனால் இந்த வேகம் ஒரு விலையில் வருகிறது: தீவிர வெப்பம்.
GPU ஐ இயக்கும் ஒவ்வொரு வாட் மின்சாரமும் வெப்பமாக மாறும், வன்பொருள் தோல்வியடைவதைத் தடுக்க அகற்றப்பட வேண்டும். அதனால்தான் AI வசதிகள், குறிப்பாக பெரிய மொழி மாதிரிகளை (LLMகள்) பயிற்றுவிப்பவை, சிக்கலான குளிரூட்டும் அமைப்புகளை நம்பியுள்ளன. இது எளிமையான வெப்ப இயக்கவியல். வெப்பத்தை நகர்த்துவதற்கு ஆற்றல் தேவைப்படுகிறது, மேலும் குளிர்ச்சியானது நீர் சார்ந்ததாக இருந்தால், அதற்கு தண்ணீரும் தேவைப்படுகிறது. சில்லுகள் எவ்வளவு சூடாக இயங்குகிறதோ, அவ்வளவு வளங்களை அவை ஈர்க்கின்றன.இது மாதிரி: ஒரு வழக்கமான ChatGPT வினவல் 0.32 மில்லி தண்ணீரைப் பயன்படுத்துகிறது. நாளொன்றுக்கு பில்லியன் கணக்கான வினவல்களால் இதைப் பெருக்கவும், தினசரி AI தொடர்புகளுக்கு ஆற்றலைப் பயன்படுத்தப் பயன்படுத்தப்படும் தண்ணீரின் அளவு திகைக்க வைக்கிறது.தரவு மையங்கள் ஆவியாதல் குளிரூட்டலைப் பயன்படுத்துகின்றன, அங்கு காற்றானது நீரில் நனைந்த பட்டைகள் அல்லது கோபுரங்கள் மூலம் வெப்பத்தை அகற்றுவதற்காக வீசப்படுகிறது, இது ஆவியாதல் மூலம் கணிசமான நீர் இழப்புக்கு வழிவகுக்கிறது. ஆனால் தண்ணீர் பற்றாக்குறை அதிகரித்து வருவதால், ஆபரேட்டர்கள் மாற்று வழிகளை பரிசோதித்து வருகின்றனர். “திரவ மற்றும் மூழ்கும் குளிரூட்டல் போன்ற வளர்ந்து வரும் தொழில்நுட்பங்கள் நம்பிக்கைக்குரியவை. கழிவு-வெப்பத்தை மீட்டெடுப்பது மற்றும் அருகிலுள்ள தொழில்துறை அல்லது விவசாய பயன்பாடுகளுக்கு மறுபயன்பாடு ஆகியவை இந்த துணை தயாரிப்புக்கு மதிப்பை சேர்க்கலாம்” என்கிறார் எஸ்&ஆர் அசோசியேட்ஸின் பொதுக் கொள்கை மற்றும் அறிவு மேலாண்மைத் தலைவர் டெபோர்ஷி பராத். “ஆவியாதல் இருந்து காற்று அடிப்படையிலான குளிர்ச்சிக்கு மாறுதல், மற்றும் குறைவான நீர் பற்றாக்குறை பகுதிகளில் தரவு மையங்களைக் கண்டறிதல்” ஆகியவை நீர் தடயத்தைக் குறைப்பதற்கான வழிகளாக இருக்கலாம், அவர் மேலும் கூறுகிறார்.புதிய AI மாடல்களின் தொடர்ச்சியான அறிமுகம் சிக்கலை அதிகரிக்கிறது. எல்எல்எம்களின் எண்ணிக்கை அதிகமாக இருப்பதால், அந்த மாதிரிகளை இயக்குவதற்கு ஆதாரங்களின் தேவை அதிகமாகும். மாசசூசெட்ஸ் இன்ஸ்டிடியூட் ஆப் டெக்னாலஜி ஆராய்ச்சியாளர்கள் எல்.எல்.எம் பயிற்சி பல மில்லியன் லிட்டர் சுத்தமான தண்ணீரைப் பயன்படுத்துவதாக மதிப்பிடுகின்றனர். 2030 ஆம் ஆண்டளவில் உலகளாவிய மின் தேவையில் 8% AI தரவு மையங்கள் பங்களிக்கக்கூடும் என்று சர்வதேச எரிசக்தி நிறுவனம் கணித்துள்ளது.உள்கட்டமைப்பு மறுசீரமைப்புக்கு பதிலாக, வல்லுநர்கள் அதிகரிக்கும் படிகளை பரிந்துரைக்கின்றனர். “சிறிய மொழி மாதிரிகள் ஒத்த அல்லது சில நேரங்களில் சிறந்த துல்லியத்தை உருவாக்குகின்றன, ஆனால் [are] ஆற்றல் அல்லது நீர் நுகர்வு அடிப்படையில் குறிப்பிடத்தக்கதாக இல்லை,” என்கிறார் சுஷாந்த் சிங் இன்டர்நேஷனல் இன்ஸ்டிடியூட் ஃபார் ஸ்டேடனபிள் டெவலப்மென்ட்.மென்பொருளுடன் கூட உதவக்கூடிய படிகள் உள்ளன. பராட்டின் கூற்றுப்படி, AI அமைப்புகளின் மாதிரி சுருக்கம் மற்றும் கார்பன்-அறிவு திட்டமிடல் ஆகியவை கணக்கீட்டு சுமை மற்றும் ஆற்றல் இழுவைக் குறைக்கும்.AI பயன்பாட்டின் கட்டுப்பாடு நீண்ட தூரம் செல்லும் என்று சிங் கருதுகிறார். “ஒவ்வொரு நிறுவனமும் அதன் சொந்த LLM-ஐ விரும்புகிறது. தனிப்பயன் LLMகள் ஏற்கனவே உள்ளவற்றின் பகுதிகளை மீண்டும் பயன்படுத்துகின்றன, அதிக ஆற்றல் மற்றும் தண்ணீரை உட்கொள்கின்றன. கட்டுப்பாடுகள் காசோலைகள் மற்றும் இருப்புகளை உருவாக்கலாம் – மாதிரி அளவு அல்லது டோக்கன் எண்ணிக்கையை கட்டுப்படுத்துகிறது,” சிங் கூறுகிறார். “உண்மையில், எரிசக்தி பயன்பாட்டை முழுமையாகக் குறைக்க முடியாது, ஆனால் குறைந்தபட்சம் அது சுத்தமாக இருப்பதை உறுதிப்படுத்த முடியும். தரவு மையங்கள் புதுப்பிக்கத்தக்க அல்லது மாசுபடுத்தாத ஆற்றலை (அணு, சூரிய அல்லது ஹைட்ரோ) மட்டுமே பயன்படுத்த வேண்டும்.”
