আর্টিফিশিয়াল ইন্টেলিজেন্সের প্রতিটি প্রম্পটের পেছনে থাকা লুকানো পরিবেশগত মূল্য

দৈনন্দিন হিসাবের মাপকাঠিতে বিচার করলে এই খরচের মাত্রা বেশ উদ্বেগজনক। ২০২৩ সালে ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, রিভারসাইডের গবেষকরা লার্জ ল্যাঙ্গুয়েজ মডেলের পরিবেশগত প্রভাব নিয়ে একটি বিস্তৃত গবেষণা প্রকাশ করেন। তারা দেখতে পান যে, বড় পরিসরের ডেটা সেন্টারে একটি শীর্ষস্থানীয় মডেলকে প্রশিক্ষণ দিতে প্রায় ৭ লাখ লিটার বিশুদ্ধ ও সুপেয় পানির প্রয়োজন হয়। বিষয়টি সহজে বোঝাতে গেলে, এই পরিমাণ পানি দিয়ে শত শত গাড়ি তৈরি করা যায় অথবা কয়েকটি পরিবারের সারা বছরের পানির চাহিদা মেটানো সম্ভব। গবেষকরা আরও ধারণা দিয়েছেন যে, একজন সাধারণ ব্যবহারকারীর ১০ থেকে ৫০টি প্রম্পট সম্বলিত একটি কথোপকথন সার্ভারকে ঠান্ডা রাখতে আধা লিটারের একটি প্রমাণ সাইজের বোতলের সমান পানি খরচ করে। বিশ্বজুড়ে প্রতিদিনকার কোটি কোটি ব্যবহারকারীর হিসাবের সঙ্গে এটিকে গুণ করলে, আমাদের ডিজিটাল কৌতূহলের এই লুকানো পরিবেশগত ক্ষতিকে আর অস্বীকার করার উপায় থাকে না। এছাড়া, ইন্টারন্যাশনাল এনার্জি এজেন্সির ২০২৪ সালের একটি প্রতিবেদনে পূর্বাভাস দেওয়া হয়েছে যে, ডেটা সেন্টার, কৃত্রিম বুদ্ধিমত্তা এবং ক্রিপ্টোকারেন্সি খাতের বৈশ্বিক বিদ্যুতের চাহিদা ২০২৬ সালের মধ্যে দ্বিগুণ হতে পারে, যা প্রায় সমগ্র জাপানের বিদ্যুৎ খরচের সমান।

এই বিষয়টি কেবল তাত্ত্বিক নয়; এটি এরই মধ্যে স্থানীয় সম্পদ ব্যবস্থাপনার ওপর প্রভাব ফেলতে শুরু করেছে। উদাহরণস্বরূপ, আইওয়া অঙ্গরাজ্যের ওয়েস্ট ডেস ময়েনস শহরের কথা বলা যায়। সেখানে বিশাল সব ডেটা সেন্টারের ক্লাস্টার বা গুচ্ছ রয়েছে, যেগুলো সবচেয়ে আধুনিক অ্যালগরিদমগুলোকে প্রশিক্ষণ দেওয়ার কাজে ব্যবহৃত হয়। শহরের পৌর পানি সরবরাহ প্রতিবেদনে দেখা গেছে, এই অ্যালগরিদমগুলোর সর্বশেষ প্রজন্মের নিবিড় প্রশিক্ষণের মাসগুলোতেই স্থানীয় এলাকায় পানির ব্যবহার অস্বাভাবিক হারে বেড়ে যায়। সার্ভারগুলোকে অতিরিক্ত গরম হওয়া থেকে রক্ষা করতে স্থানীয় ডেটা সেন্টার কমপ্লেক্সের জন্য লাখ লাখ গ্যালন পৌর পানির প্রয়োজন হয়, যা উন্নয়নের এই গুরুত্বপূর্ণ ধাপে নাগরিক পরিষেবা সম্পদের ওপর ব্যাপক চাপ ফেলে। যেসব অঞ্চলে আগে থেকেই খরা পরিস্থিতি বা ঐতিহাসিকভাবে পানির সংকট রয়েছে, সেখানে বিশাল সব কম্পিউটিং সুবিধার আগমন মানুষের মৌলিক প্রয়োজন এবং প্রযুক্তিগত অগ্রগতির মধ্যে একটি তীব্র ও ঝুঁকিপূর্ণ প্রতিযোগিতার জন্ম দেয়।

কৃত্রিম বুদ্ধিমত্তা কেন এতটা সম্পদ-নির্ভর, তা বুঝতে হলে এই সিস্টেমগুলো কীভাবে শেখে, তার অন্তর্নিহিত কৌশলের দিকে তাকাতে হবে। প্রথাগত সফটওয়্যার তুলনামূলকভাবে সহজ লজিক্যাল কমান্ড বা যৌক্তিক নির্দেশনায় কাজ করে। অন্যদিকে জেনারেটিভ মডেলগুলো হাজার হাজার বিশেষায়িত গ্রাফিক্স প্রসেসিং ইউনিট ব্যবহার করে শত শত কোটি বা এমনকি ট্রিলিয়ন ডেটা পয়েন্ট বিশ্লেষণ করে শেখে। এই চিপগুলো সার্ভার র‍্যাকের মধ্যে খুব কাছাকাছি বা ঘনভাবে সাজানো থাকে এবং প্রশিক্ষণের সময় কয়েক মাস ধরে প্রায় সর্বোচ্চ ক্ষমতায় চলতে থাকে। এই অবিরাম কম্পিউটেশনের ফলে বিশাল মাত্রার ও ঘনীভূত তাপ উৎপন্ন হয়। হার্ডওয়্যার গলে যাওয়া বা মারাত্মক প্রযুক্তিগত বিপর্যয় ঠেকাতে এসব কেন্দ্রগুলো মূলত বড় ইভাপোরেটিভ কুলিং টাওয়ারের (বাষ্পীভবনের মাধ্যমে শীতল করার টাওয়ার) ওপর নির্ভর করে। এসব সিস্টেম বিপুল পরিমাণ পানযোগ্য পানি টেনে নেয়, যা বাষ্পীভূত হয়ে সার্ভার ফ্লোরগুলোর পরিবেষ্টিত তাপমাত্রা কমিয়ে আনে। পানির পাশাপাশি উচ্চ-ক্ষমতাসম্পন্ন এই প্রসেসরগুলোর একটানা পরিচালনার জন্য নিরবচ্ছিন্ন বিদ্যুৎ সরবরাহের প্রয়োজন হয়, যার বড় অংশই এখনো আঞ্চলিক গ্রিডে জীবাশ্ম জ্বালানি পুড়িয়ে উৎপাদন করা হয়।

সম্পদের এই লাগামহীন ব্যবহারের পরিণতি স্থানীয় ইউটিলিটি বিলের চেয়েও অনেক দূর পর্যন্ত বিস্তৃত। বিশ্বজুড়ে কৃত্রিম বুদ্ধিমত্তা নিয়ে প্রতিযোগিতা যত বাড়ছে, বিদ্যুতের ক্রমবর্ধমান চাহিদা আন্তর্জাতিক জলবায়ু লক্ষ্যমাত্রাগুলোকে মৌলিকভাবে ব্যাহত করার হুমকি তৈরি করছে। যেসব প্রযুক্তি কোম্পানি একসময় নেট-জিরো বা শূন্য কার্বন নির্গমনের উচ্চাভিলাষী প্রতিশ্রুতি নিয়ে কাজ করত, তারা এখন দেখছে তাদের কার্বন ফুটপ্রিন্ট বা কার্বন নির্গমনের পরিমাণ ব্যাপকভাবে বাড়ছে। নতুন এআই অবকাঠামোতে বিপুল বিনিয়োগই মূলত এই প্রবণতার পেছনে সরাসরি ভূমিকা রাখছে। যেসব স্থানীয় সম্প্রদায় এই বর্ধিত স্থাপনাগুলোকে জায়গা দিচ্ছে, তাদের ওপর এই প্রভাব আরও তীব্রভাবে পড়ছে। সম্প্রসারিত সার্ভার ফার্মগুলোর কাছাকাছি থাকা এলাকার বাসিন্দারা কুলিং ফ্যানের একটানা শব্দদূষণ, অতিরিক্ত চাপে পড়া বিদ্যুতের গ্রিড এবং স্থানীয় ভূগর্ভস্থ পানির স্তরের ক্রমাগত অবনতি নিয়ে ক্রমবর্ধমান উদ্বেগ প্রকাশ করছেন। বর্তমান এই পরিস্থিতি অপরিবর্তিত থাকলে উন্নত কৃত্রিম বুদ্ধিমত্তা অর্জনের এই আগ্রাসী চেষ্টা এমন এক দুঃখজনক বৈপরীত্য তৈরি করতে পারে, যেখানে সমাজ অভূতপূর্ব ডিজিটাল উদ্ভাবন অর্জন করার পাশাপাশি নিজের সবচেয়ে মারাত্মক পরিবেশগত সংকটগুলোকে আরও জটিল করে তুলবে।

কৃত্রিম বুদ্ধিমত্তার অপার সম্ভাবনা এবং এর পরিবেশগত প্রভাবের রূঢ় বাস্তবতার মধ্যে ভারসাম্য আনতে জরুরি ও পদ্ধতিগত পদক্ষেপ নেওয়া প্রয়োজন। এর একটি গুরুত্বপূর্ণ সমাধান হতে পারে অ্যালগরিদমিক দক্ষতা বৃদ্ধি। সফটওয়্যার ইঞ্জিনিয়ার ও গবেষকরা এখন তুলনামূলক ছোট ও অতি-বিশেষায়িত মডেল নিয়ে কাজ শুরু করেছেন। পূর্বসূরি বড় ও বিশাল সম্পদ-গ্রাসী মডেলগুলোর সমকক্ষ ফলাফল পেতে এগুলোর মাত্র সামান্য কম্পিউটিং ক্ষমতার প্রয়োজন হয়। এছাড়া, এ খাতের ভৌত অবকাঠামোর ভৌগোলিক অবস্থান নিয়েও নতুন করে ভাবা উচিত। পানির সংকট রয়েছে এমন এলাকা থেকে ডেটা সেন্টারগুলো সরিয়ে প্রাকৃতিকভাবে শীতল জলবায়ুর অঞ্চলে স্থাপন করলে, কোম্পানিগুলো পরিবেশবান্ধব 'ফ্রি-কুলিং' পদ্ধতির সুবিধা নিতে পারবে। উদাহরণস্বরূপ, নর্ডিক দেশগুলোতে তৈরি সার্ভার ফার্মগুলো চারপাশের হিমশীতল তাপমাত্রাকে কাজে লাগিয়ে হার্ডওয়্যার নিয়ন্ত্রণ করতে সফল হয়েছে, যা ইভাপোরেটিভ ওয়াটার টাওয়ারের প্রয়োজনীয়তা ব্যাপকভাবে কমিয়ে দিয়েছে। কঠোর পরিবেশগত স্বচ্ছতা নিশ্চিত করার মাধ্যমে নিয়ন্ত্রক সংস্থাগুলোকেও এ ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করতে হবে। বর্তমানে, নির্দিষ্ট মালিকানাধীন মডেলগুলোর সুনির্দিষ্ট বিদ্যুৎ ও পানি ব্যবহারের হিসাবগুলো মূলত করপোরেট গোপনীয়তা হিসেবে রক্ষা করা হয়। কোম্পানিগুলোকে তাদের প্রশিক্ষণ প্রক্রিয়ার প্রকৃত পরিবেশগত খরচের হিসাব জনসমক্ষে প্রকাশে বাধ্য করলে তা গ্রাহকদের সচেতন সিদ্ধান্ত নিতে সহায়তা করবে। একইসঙ্গে, এটি ডেভেলপারদের শুধু সক্ষমতার দিকে নজর না দিয়ে দক্ষতার দিকেও জোর দিতে বাধ্য করবে।

কৃত্রিম বুদ্ধিমত্তা যে বিপ্লব নিয়ে এসেছে, তাতে চিকিৎসা ব্যবস্থা, বৈজ্ঞানিক গবেষণা এবং বৈশ্বিক অর্থনীতির আমূল পরিবর্তন ঘটানোর অনস্বীকার্য সম্ভাবনা রয়েছে। তবে, সমাজ এর উন্নয়নকে প্রাকৃতিক জগত থেকে সম্পূর্ণ বিচ্ছিন্ন কোনো তাত্ত্বিক অর্জন হিসেবে দেখার ভুল করতে পারে না। আমাদের ডিজিটাল সরঞ্জামগুলোর পেছনের এই ভারী শিল্পের বাস্তবতাকে স্বীকৃতি দেওয়াই হলো আরও দায়িত্বশীল একটি প্রযুক্তিগত ভবিষ্যতের দাবি তোলার প্রথম পদক্ষেপ। প্রকৃত উদ্ভাবনের জন্য কখনোই কোনো সম্প্রদায়ের পানির মজুত শেষ করে দেওয়া বা কয়েক দশক ধরে অর্জিত জলবায়ু অগ্রগতিকে দ্রুত উল্টো পথে হাঁটার প্রয়োজন হওয়া উচিত নয়। কাঠামোগত স্বচ্ছতার ওপর জোর দেওয়া, চূড়ান্ত দক্ষতার জন্য ইঞ্জিনিয়ারিংকে কাজে লাগানো এবং পরিবেশগত প্রভাবকে সাফল্যের একটি মূল মাপকাঠি হিসেবে বিবেচনা করার মাধ্যমে সমাজ এটি নিশ্চিত করতে পারে যে— আমাদের সবচেয়ে জটিল সমস্যাগুলোর সমাধান করতে আমরা যেসব সিস্টেম তৈরি করছি, সেগুলো যেন অজান্তেই নতুন কোনো সমস্যার জন্ম না দেয়। কৃত্রিম বুদ্ধিমত্তার চূড়ান্ত সাফল্য শুধু এটি কতটা নিখুঁতভাবে মানুষের চিন্তাধারাকে অনুকরণ করতে পারে তা দিয়ে মাপা হবে না; বরং এটি মানুষের আবাসস্থলের ভৌত সীমাবদ্ধতার সঙ্গে কতটা টেকসইভাবে সহাবস্থান করতে পারে, তার ওপরও নির্ভর করবে।