Artificial Intelligence: ఈ రోజుల్లో మనం కృత్రిమ మేధస్సు (AI) టూల్స్‌తో ఏదైనా ప్రశ్న అడిగినప్పుడు, అది కేవలం సమాధానం చెప్పడమే కాకుండా, పర్యావరణానికి కూడా ప్రమాదకరమైనదిగా మారుతోంది. కార్బన్ డయాక్సైడ్ (CO₂)ను వాతావరణంలోకి విడుదల చేస్తుంది. అందుకే నిపుణులు ఇప్పుడు AI పర్యావరణ ప్రభావం గురించి ఆందోళన చెందుతున్నారు.

జర్మనీకి చెందిన పరిశోధకులు, స్టెప్-బై-స్టెప్ రీజనింగ్ (reasoning) ద్వారా సమాధానం ఇచ్చే కొన్ని AI మోడల్స్, సాధారణ, నేరుగా సమాధానం ఇచ్చే మోడల్స్‌తో పోలిస్తే 50 రెట్లు ఎక్కువ CO₂ ఉద్గారాలను విడుదల చేస్తాయని కనుగొన్నారు. ఆశ్చర్యకరమైన విషయం ఏమిటంటే, ఈ అదనపు శక్తి ,ఉద్గారాలు ప్రతిసారీ మెరుగైన సమాధానాలను కూడా ఇవ్వవు.

AI సమాధానం ఇవ్వడానికి టోకెన్‌లను ఉపయోగిస్తుంది. ఈ టోకెన్‌లు పదాలను లేదా వాటి భాగాలను సంఖ్యా డేటాగా మారుస్తాయి, తద్వారా మోడల్ వాటిని ప్రాసెస్ చేయగలదు. ఈ ప్రాసెసింగ్ శక్తి వినియోగం, కార్బన్ ఉద్గారాలకు కారణమవుతుంది. సాధారణ వినియోగదారులకు ఈ ముప్పు గురించి తెలియదు.

పరిశోధనలో ఏమి వెల్లడైంది?

పరిశోధకులు 14 పెద్ద భాషా నమూనాలను (LLMs) పరీక్షించారు, వీటి పేరామీటర్స్‌ 7 నుంచి 72 బిలియన్ వరకు ఉన్నాయి. వీటిని 1,000 ప్రశ్నల సెట్‌పై పరీక్షించారు. రీజనింగ్ మోడల్స్ ప్రతి ప్రశ్నకు సగటున 543.5 టోకెన్‌లను ఉపయోగిస్తాయి. అదే సమయంలో, సంక్షిప్త మోడల్స్ కేవలం 37.7 టోకెన్‌లతో సమాధానం ఇస్తాయి. స్పష్టంగా, ఎన్ని ఎక్కువ ఆలోచించే టోకెన్‌లు ఏర్పడితే, అంత ఎక్కువ శక్తి వినియోగం, ఉద్గారాలు పెరుగుతాయి. 

కొత్త AI సంక్షోభం

కాగ్నిటో అనే 70 బిలియన్ పేరామీటర్స్ కలిగిన ఒక రీజనింగ్ మోడల్ 84.9% కచ్చితత్వానికి చేరుకుంది. కానీ అదే ప్రక్రియలో, ఇది అదే పరిమాణంలో ఉన్న సంక్షిప్త మోడల్స్‌తో పోలిస్తే మూడు రెట్లు ఎక్కువ CO₂ను విడుదల చేసింది. అంటే, ఎక్కువ కచ్చితత్వం కోసం మనం భారీ పర్యావరణ మూల్యాన్ని చెల్లించవలసి వస్తుంది. అబ్‌స్ట్రాక్ట్ ఆల్జీబ్రా వంటి సంక్లిష్ట రీజనింగ్ అవసరమయ్యే విషయాలలో, చరిత్ర వంటి నేరుగా ఉండే విషయాలతో పోలిస్తే 6 రెట్లు ఎక్కువ ఉద్గారాలు ఉన్నాయని పరిశోధనలో తేలింది.

పర్యావరణ అనుకూల AIని ఎలా ఉపయోగించాలి?

వినియోగదారులు తెలివిగా AIని ఉపయోగించడం ద్వారా ఉద్గారాలను చాలా వరకు తగ్గించవచ్చని నిపుణులు అంటున్నారు. చిన్న,నేరుగా సమాధానాలు అడగడం, అవసరమైన పనులలో మాత్రమే పెద్ద, శక్తివంతమైన మోడల్స్‌ను ఉపయోగించడం, సరైన మోడల్‌ను ఎంచుకోవడం వంటివి పెద్ద ప్రభావాన్ని చూపుతాయి.

ఉదాహరణకు, డీప్‌సీక్ R1 మోడల్ (70B పేరామీట్స్‌)తో 6 లక్షల ప్రశ్నలు అడిగితే, లండన్ నుంచి న్యూయార్క్ వరకు విమానంలో ప్రయాణించినంత CO₂ ఉద్గారాలు వస్తాయి. అయితే, Qwen 2.5 (72B పేరామీటర్స్‌) దాదాపు 19 లక్షల ప్రశ్నలను అదే ఉద్గారాలలో పరిష్కరించగలదు.