AI কতটা পানি ব্যবহার করে?

আমি নিশ্চিত যে আপনি "AI কয়েক প্রশ্নের উত্তরে এক বোতল পানি পান করে" থেকে শুরু করে "এটি মূলত কয়েক ফোঁটা," পর্যন্ত সবকিছু শুনেছেন। সত্যটি আরও সূক্ষ্ম। AI এর জলের পদচিহ্ন ব্যাপকভাবে পরিবর্তিত হয় যেখানে এটি কাজ করে, আপনার প্রম্পট কতক্ষণ স্থায়ী হয় এবং একটি ডেটা সেন্টার কীভাবে তার সার্ভারগুলিকে ঠান্ডা করে তার উপর নির্ভর করে। হ্যাঁ, শিরোনাম নম্বরটি বিদ্যমান, তবে এটি সতর্কতার ঝোপের মধ্যে বাস করে।

নীচে আমি স্পষ্ট, সিদ্ধান্ত-প্রস্তুত পরিসংখ্যান প্রকাশ করছি, কেন অনুমানগুলি অসঙ্গত তা ব্যাখ্যা করছি এবং দেখাচ্ছি যে কীভাবে নির্মাতারা এবং দৈনন্দিন ব্যবহারকারীরা টেকসইতা সন্ন্যাসীদের মধ্যে পরিণত না হয়ে জলের ট্যাঙ্ক সঙ্কুচিত করতে পারেন।

এর পরে আপনি যে প্রবন্ধগুলি পড়তে পছন্দ করতে পারেন:

🔗 একটি এআই ডেটাসেট কী?
ব্যাখ্যা করে কিভাবে ডেটাসেটগুলি মেশিন লার্নিং প্রশিক্ষণ এবং মডেল ডেভেলপমেন্ট সক্ষম করে।

🔗 AI কীভাবে প্রবণতার পূর্বাভাস দেয়
পরিবর্তন এবং ভবিষ্যতের ফলাফলের পূর্বাভাস দেওয়ার জন্য AI কীভাবে প্যাটার্ন বিশ্লেষণ করে তা দেখায়।

🔗 এআই কর্মক্ষমতা কীভাবে পরিমাপ করা যায়
নির্ভুলতা, গতি এবং নির্ভরযোগ্যতা মূল্যায়নের জন্য প্রয়োজনীয় মেট্রিক্সগুলি ভেঙে দেয়।

🔗 এআই-এর সাথে কীভাবে কথা বলবেন
স্পষ্টতা, ফলাফল এবং ধারাবাহিকতা উন্নত করার জন্য কার্যকর প্ররোচনামূলক কৌশলগুলি নির্দেশ করে।

AI কত জল ব্যবহার করে? দ্রুত সংখ্যা যা আপনি আসলে ব্যবহার করতে পারেন 📏

বর্তমানে, প্রতি প্রম্পটের জন্য সাধারণ পরিসর হলো: একটি মূলধারার সিস্টেমে মাঝারি আকারের টেক্সট প্রম্পটের জন্য সাব-মিলিলিটার থেকে শুরু করে , অন্য একটি সিস্টেমে দীর্ঘতর ও উচ্চ-গণনাযুক্ত প্রতিক্রিয়ার জন্য কয়েক দশ মিলিলিটার পর্যন্ত । উদাহরণস্বরূপ, গুগলের প্রোডাকশন অ্যাকাউন্টিং রিপোর্ট অনুযায়ী একটি মাঝারি টেক্সট প্রম্পটের জন্য প্রায় ০.২৬ মিলিলিটার (সম্পূর্ণ সার্ভিং ওভারহেড সহ) [1]। মিস্ট্রালের লাইফসাইকেল অ্যাসেসমেন্ট অনুযায়ী, একটি ৪০০-টোকেনের অ্যাসিস্ট্যান্ট রিপ্লাইয়ের জন্য প্রায় ৪৫ মিলিলিটার (মার্জিনাল ইনফারেন্স) প্রয়োজন [2]। প্রেক্ষাপট এবং মডেল এক্ষেত্রে অনেক গুরুত্বপূর্ণ।
একটি ফ্রন্টিয়ার-স্কেল মডেল প্রশিক্ষণ: লক্ষ লক্ষ লিটারে যেতে পারে , বেশিরভাগই শীতলকরণ এবং বিদ্যুৎ উৎপাদনে নিহিত জল থেকে। একটি বহুল উদ্ধৃত একাডেমিক বিশ্লেষণে অনুমান করা হয়েছে যে GPT-শ্রেণীর মডেলকে প্রশিক্ষণের জন্য ~৫.৪ মিলিয়ন লিটার প্রয়োজন, যার মধ্যে শীতলকরণের জন্য সাইটে ব্যবহৃত প্রায় ৭০০,০০০ লিটার অন্তর্ভুক্ত রয়েছে - এবং জলের তীব্রতা কমাতে স্মার্ট সময়সূচীর পক্ষে যুক্তি দেওয়া হয়েছে [3]।
সাধারণভাবে ডেটা সেন্টার: বৃহৎ সাইটগুলি প্রতিদিন কয়েক হাজার গ্যালন , কিছু ক্যাম্পাসে জলবায়ু এবং নকশার উপর নির্ভর করে উচ্চতর স্তর থাকে [5]।

আসুন সৎ হই: প্রথমে এই পরিসংখ্যানগুলি অসঙ্গত মনে হয়। তাই। এবং এর যথেষ্ট কারণও রয়েছে।

AI জল ব্যবহারের মেট্রিক্স ✅

"AI কত জল ব্যবহার করে?" এর একটি ভালো উত্তরের জন্য কয়েকটি বাক্সে টিক চিহ্ন দেওয়া উচিত:

সীমানা স্পষ্টতা কি এতে কেবল অন-সাইট কুলিং ওয়াটার অন্তর্ভুক্ত, নাকি বিদ্যুৎ কেন্দ্রগুলিতে বিদ্যুৎ উৎপাদনের জন্য ব্যবহৃত অফ-সাইট জলও অন্তর্ভুক্ত? সর্বোত্তম অনুশীলন জল উত্তোলন বনাম জল খরচ এবং স্কোপ 1-2-3 এর মধ্যে পার্থক্য করে, যা কার্বন অ্যাকাউন্টিং [3] এর অনুরূপ।
অবস্থান সংবেদনশীলতা:
প্রতি kWh জলের ব্যবহার পরিবর্তিত হয়, তাই একই নির্দেশ কোথায় সরবরাহ করা হচ্ছে তার উপর নির্ভর করে জলের উপর ভিন্ন প্রভাব ফেলতে পারে - এটি একটি মূল কারণ যার জন্য সাহিত্যে সময়-এবং-স্থান-সচেতন সময়সূচীর [3]।
কাজের চাপ বাস্তবতা
সংখ্যাটি কি মধ্যম উৎপাদন প্রম্পটগুলিকে, নাকি শুধুমাত্র শীর্ষে থাকা অ্যাক্সিলারেটরকে প্রতিফলিত করে? গুগল কেবল TPU গণিত [1] নয়, অনুমানের জন্য পূর্ণ-সিস্টেম অ্যাকাউন্টিং (অলস, CPU/DRAM, এবং ডেটা-সেন্টার ওভারহেড) এর উপর জোর দেয়।
কুলিং প্রযুক্তি বাষ্পীভবনমূলক কুলিং, ক্লোজড-লুপ লিকুইড কুলিং, এয়ার কুলিং এবং উদীয়মান ডাইরেক্ট-টু-চিপ পদ্ধতিগুলি জলের তীব্রতাকে নাটকীয়ভাবে পরিবর্তন করে। মাইক্রোসফ্ট পরবর্তী প্রজন্মের কিছু সাইটের জন্য কুলিং ওয়াটার ব্যবহার বন্ধ করার উদ্দেশ্যে ডিজাইন তৈরি করছে [4]।
দিনের সময় এবং ঋতু তাপ, আর্দ্রতা এবং গ্রিডের পরিস্থিতি বাস্তব জীবনে জল ব্যবহারের কার্যকারিতা পরিবর্তন করে; একটি প্রভাবশালী গবেষণায় পরামর্শ দেওয়া হয়েছে যে যখন এবং যেখানে জলের তীব্রতা কম থাকে তখন প্রধান কাজগুলি নির্ধারণ করা উচিত [3]।

পানি উত্তোলন বনাম পানি ব্যবহার, ব্যাখ্যা 💡

প্রত্যাহার = নদী, হ্রদ, বা জলাধার থেকে নেওয়া জল (কিছু ফিরে এসেছে)।
খরচ = জল যা বাষ্পীভূত হওয়ার কারণে বা প্রক্রিয়া/পণ্যে অন্তর্ভুক্ত হওয়ার কারণে ফেরত দেওয়া হয় না ।

কুলিং টাওয়ারগুলি প্রাথমিকভাবে বাষ্পীভবনের মাধ্যমে জল ব্যবহার করে । প্ল্যান্ট এবং শীতল করার পদ্ধতির উপর নির্ভর করে, বিদ্যুৎ উৎপাদনের জন্য প্রচুর পরিমাণে জল লাগতে পারে (কখনও কখনও এর একটি অংশও ব্যবহার করে)। একটি নির্ভরযোগ্য AI-water নম্বর লেবেল করে যে এটি কী রিপোর্ট করছে [3]।

AI তে পানি কোথায় যায়: তিনটি বালতি 🪣

সুযোগ ১ - সাইটে শীতলকরণ
দৃশ্যমান অংশ: ডেটা সেন্টারেই জল বাষ্পীভূত হয়। বাষ্পীভবন বনাম বায়ু বা বন্ধ-লুপ তরলের বেসলাইন নির্ধারণ করে [5]।
সুযোগ ২ - বিদ্যুৎ উৎপাদন
প্রতিটি kWh একটি লুকানো জলের ট্যাগ বহন করতে পারে; মিশ্রণ এবং অবস্থান আপনার কাজের চাপ উত্তরাধিকারসূত্রে প্রাপ্ত লিটার-প্রতি-kWh সংকেত নির্ধারণ করে [3]।
পরিধি 3 - সরবরাহ শৃঙ্খল
চিপ উৎপাদন ফ্যাব্রিকেশনের জন্য অতি-বিশুদ্ধ জলের উপর নির্ভর করে। আপনি এটি "প্রতি প্রম্পট" মেট্রিক্সে দেখতে পাবেন না যদি না সীমানার মধ্যে স্পষ্টভাবে অন্তর্নিহিত প্রভাবগুলি (যেমন, একটি সম্পূর্ণ LCA) অন্তর্ভুক্ত থাকে [2][3]।

সংখ্যা অনুসারে সরবরাহকারী, সূক্ষ্মতা সহ 🧮

গুগল জেমিনি
ফুল-স্ট্যাক সার্ভিং পদ্ধতি (আইডল এবং ফ্যাসিলিটি ওভারহেড সহ) প্রম্পট করে। মিডিয়ান টেক্সট প্রম্পট ~0.26 মিলি জল এবং ~0.24 Wh শক্তি; পরিসংখ্যান উৎপাদন ট্র্যাফিক এবং ব্যাপক সীমানা প্রতিফলিত করে [1]।
Mistral Large 2 জীবনচক্র একটি বিরল স্বাধীন LCA (ADEME/Carbone 4 সহ) প্রশিক্ষণ + প্রাথমিক ব্যবহারের জন্য ~281,000 m³ এবং 400-টোকেন সহকারী উত্তরের জন্য ~45 mL এর একটি অনুমান প্রান্তিক প্রকাশ করে [2]।
মাইক্রোসফটের জল-শূন্য শীতলীকরণের উচ্চাকাঙ্ক্ষা
পরবর্তী প্রজন্মের ডেটা সেন্টারগুলি শীতলীকরণের জন্য কোনও জল ব্যবহার না করার, সরাসরি-চিপ পদ্ধতির উপর নির্ভর করে; প্রশাসনিক ব্যবহারের জন্য এখনও কিছু জলের প্রয়োজন হয় [4]।
সাধারণ ডেটা-সেন্টার স্কেল প্রধান অপারেটররা পৃথক স্থানে গড়ে প্রতিদিন লক্ষ লক্ষ গ্যালন উৎপাদনের কথা প্রকাশ্যে জানায়; জলবায়ু এবং নকশার সংখ্যা বৃদ্ধি বা হ্রাস [5]।
পূর্ববর্তী একাডেমিক বেসলাইন এবং যুগান্তকারী "থার্স্টি এআই" বিশ্লেষণে অনুমান করা হয়েছিল যে GPT-শ্রেণীর মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য লক্ষ লক্ষ লিটার প্রয়োজন, এবং 10-50টি মাঝারি উত্তর প্রায় 500 mL বোতলের সমান হতে পারে - যা কখন/কোথায় সেগুলি চালানো হয় তার উপর ব্যাপকভাবে নির্ভরশীল [3]।

অনুমান কেন এত ভিন্ন 🤷

বিভিন্ন সীমানা
কিছু পরিসংখ্যান শুধুমাত্র অন-সাইট কুলিং; অন্যগুলো বিদ্যুতের জল; LCA-তে চিপ উৎপাদন। আপেল, কমলা এবং ফলের সালাদ [2][3]।
বিভিন্ন ওয়ার্কলোডের ক্ষেত্রে,
একটি সংক্ষিপ্ত টেক্সট প্রম্পট একটি দীর্ঘ মাল্টিমোডাল/কোড রানের মতো নয়; ব্যাচিং, কনকারেন্সি এবং লেটেন্সি লক্ষ্যমাত্রা ব্যবহারের পরিবর্তন ঘটায় [1][2]।
বিভিন্ন জলবায়ু এবং গ্রিড
একটি উষ্ণ, শুষ্ক অঞ্চলে বাষ্পীভবন শীতলীকরণ ≠ একটি শীতল, আর্দ্র অঞ্চলে বায়ু/তরল শীতলীকরণ। গ্রিড জলের তীব্রতা ব্যাপকভাবে পরিবর্তিত হয় [3]।
বিক্রেতাদের পদ্ধতিসমূহ: গুগল একটি সিস্টেম-ব্যাপী পরিবেশন পদ্ধতি প্রকাশ করেছে; মিস্ট্রাল একটি আনুষ্ঠানিক LCA প্রকাশ করেছে। অন্যরা স্পার্স পদ্ধতির মাধ্যমে পয়েন্ট অনুমান প্রদান করে। প্রতি প্রম্পটে "এক চা-চামচের পনেরো ভাগের এক ভাগ" এর একটি বহুল আলোচিত দাবি শিরোনামে এসেছিল - কিন্তু সীমানার বিশদ বিবরণ ছাড়া, এটি তুলনীয় নয় [1][3]।
একটি চলমান লক্ষ্য শীতলকরণ দ্রুত বিকশিত হচ্ছে। মাইক্রোসফট নির্দিষ্ট কিছু স্থানে জল-মুক্ত শীতলকরণ পরীক্ষামূলকভাবে চালু করছে ; এগুলি চালু করলে সাইটে জলের ব্যবহার কমবে, এমনকি যদি উজানের বিদ্যুৎ এখনও জলের সংকেত বহন করে [4]।

AI এর জলের প্রভাব কমাতে আজ আপনি কী করতে পারেন 🌱

মডেলের আকার সঠিক করুন।
ছোট, কাজের জন্য বিশেষভাবে তৈরি মডেলগুলি প্রায়শই কম গণনা শক্তি খরচ করে নির্ভুলতার সাথে মেলে। মিস্ট্রালের মূল্যায়ন আকার এবং ফুটপ্রিন্টের মধ্যে শক্তিশালী সম্পর্ককে তুলে ধরে - এবং প্রান্তিক অনুমানের সংখ্যা প্রকাশ করে যাতে আপনি সুবিধা-অসুবিধা সম্পর্কে যুক্তি দিতে পারেন [2]।
জল-সাশ্রয়ী অঞ্চল নির্বাচন করুন।
শীতল জলবায়ু, কার্যকর শীতলীকরণ ব্যবস্থা এবং প্রতি kWh-এ কম জল-তীব্রতার গ্রিডযুক্ত অঞ্চলগুলিকে অগ্রাধিকার দিন; "তৃষ্ণার্ত AI" কাজটি দেখায় যে সময়- এবং স্থান-সচেতন সময়সূচী সাহায্য করে [3]।
কাজের চাপ সময়ে পরিবর্তন করুন
জল-সাশ্রয়ী ঘন্টার জন্য প্রশিক্ষণ/ভারী ব্যাচের অনুমানের সময়সূচী করুন (শীতল রাত, অনুকূল গ্রিড পরিস্থিতি) [3]।
আপনার বিক্রেতার কাছে স্বচ্ছ মেট্রিক্সের জন্য জিজ্ঞাসা করুন প্রতি-প্রম্পট জলের চাহিদা , সীমানা সংজ্ঞা, এবং সংখ্যাগুলিতে নিষ্ক্রিয় ক্ষমতা এবং সুবিধার ওভারহেড অন্তর্ভুক্ত কিনা। নীতি গোষ্ঠীগুলি আপেল-থেকে-আপেল তুলনা সম্ভব করার জন্য বাধ্যতামূলক প্রকাশের জন্য চাপ দিচ্ছে [3]।
শীতলীকরণ প্রযুক্তি গুরুত্বপূর্ণ।
আপনি যদি হার্ডওয়্যার চালান, তাহলে ক্লোজড-লুপ/ডাইরেক্ট-টু-চিপ কুলিং; আর যদি ক্লাউডে থাকেন, তাহলে ওয়াটার-লাইট ডিজাইনে [4][5]।
ধূসর জল ব্যবহার এবং পুনঃব্যবহারের বিকল্পগুলি
অনেক ক্যাম্পাস অ-পানীয় উৎসগুলি প্রতিস্থাপন করতে পারে অথবা লুপের মধ্যে পুনর্ব্যবহার করতে পারে; বৃহৎ অপারেটররা নেট প্রভাব কমাতে জলের উৎসগুলির ভারসাম্য এবং শীতলকরণের বিকল্পগুলি বর্ণনা করে [5]।

বিষয়টি বাস্তব করে তোলার জন্য একটি দ্রুত উদাহরণ (কোনও সার্বজনীন নিয়ম নয়): গ্রীষ্মের মাঝামাঝি সময়ে একটি গরম, শুষ্ক অঞ্চল থেকে বসন্তকালে একটি শীতল, আর্দ্র অঞ্চলে একটি রাতব্যাপী প্রশিক্ষণের কাজ স্থানান্তর করা - এবং এটি অফ-পিক, শীতল সময়ে চালানো - অন-সাইট জলের ব্যবহার এবং অফ-সাইট (গ্রিড) জলের তীব্রতা উভয় ক্ষেত্রেই পরিবর্তন আনতে পারে। এই ধরনের বাস্তব, ঝামেলাহীন সাফল্য সময়সূচী দ্বারা অর্জন করা যেতে পারে [3]।

তুলনা সারণী: AI-এর পানির দাম কমানোর জন্য দ্রুত বিকল্প 🧰

হাতিয়ার	শ্রোতা	মূল্য	কেন এটি কাজ করে?
ছোট, টাস্ক-টিউনড মডেল	এমএল টিম, প্রোডাক্ট লিড	নিম্ন-মাঝারি	প্রতি টোকেনে কম কম্পিউট = কম শীতলকরণ + বিদ্যুৎ পানি; LCA-স্টাইল রিপোর্টিংয়ে প্রমাণিত [2]।
জল/কিলোওয়াট ঘন্টা অনুসারে অঞ্চল নির্বাচন	ক্লাউড আর্কিটেক্ট, ক্রয়	মাঝারি	শীতল জলবায়ু এবং কম জলের তীব্রতা সহ গ্রিডগুলিতে স্থানান্তর করুন; চাহিদা-সচেতন রাউটিংয়ের সাথে জুড়ি দিন [3]।
দিনের সময় প্রশিক্ষণের সময়সূচী	এমএলওপি, শিডিউলার	কম	শীতল রাত + উন্নত গ্রিড পরিস্থিতি কার্যকর জলের তীব্রতা হ্রাস করে [3]।
ডাইরেক্ট-টু-চিপ/ক্লোজড-লুপ কুলিং	ডেটা-সেন্টার অপারেশনস	মাঝারি-উচ্চ	সম্ভব হলে বাষ্পীভবন টাওয়ার এড়িয়ে চলে, সাইটে খরচ কমিয়ে দেয় [4]।
প্রম্পট দৈর্ঘ্য এবং ব্যাচ নিয়ন্ত্রণ	অ্যাপ ডেভেলপাররা	কম	রানওয়ে টোকেন ক্যাপ করুন, স্মার্টলি ব্যাচ করুন, ক্যাশে ফলাফল; কম মিলিসেকেন্ড, কম মিলিলিটার [1][2]।
বিক্রেতা স্বচ্ছতার চেকলিস্ট	সিটিও, টেকসই নেতৃত্ব	বিনামূল্যে	সীমানা স্পষ্টতা (অন-সাইট বনাম অফ-সাইট) এবং আপেল-টু-আপেল রিপোর্টিং [3] জোর করে।
ধূসর জল বা পুনরুদ্ধারকৃত উৎস	সুযোগ-সুবিধা, পৌরসভা	মাঝারি	পানীয় জলের পরিবর্তে পানীয় জল সরবরাহের উপর চাপ কমায় [5]।
তাপ-পুনঃব্যবহার অংশীদারিত্ব	অপারেটর, স্থানীয় কাউন্সিল	মাঝারি	উন্নত তাপ দক্ষতা পরোক্ষভাবে শীতলকরণের চাহিদা হ্রাস করে এবং স্থানীয় সুনাম তৈরি করে [5]।

("দাম" ডিজাইনের দিক থেকে একটু নরম - স্থাপনার ধরণ ভিন্ন।)

গভীর ডুব: নীতির ঢোলের সুর আরও জোরে হচ্ছে 🥁

প্রকৌশল সংস্থাগুলি ডেটা-সেন্টারের শক্তি এবং জলের বাধ্যতামূলক প্রকাশের আহ্বান জানায় যাতে ক্রেতা এবং সম্প্রদায়গুলি খরচ এবং সুবিধাগুলি বিচার করতে পারে। সুপারিশগুলির মধ্যে রয়েছে পরিধি সংজ্ঞা, সাইট-স্তরের প্রতিবেদন এবং স্থান নির্ধারণের নির্দেশিকা - কারণ তুলনীয়, অবস্থান-সচেতন মেট্রিক্স ছাড়া, আমরা অন্ধকারে তর্ক করছি [3]।

গভীরভাবে তলিয়ে দেখুন: সব ডেটা সেন্টার একইভাবে চুমুক দেয় না 🚰

একটি প্রচলিত ধারণা আছে যে "বায়ু শীতলীকরণে কোনও জল ব্যবহার হয় না।" কথাটা পুরোপুরি ঠিক নয়। বায়ু-নির্ভর সিস্টেমগুলিতে প্রায়শই বেশি বিদ্যুতের প্রয়োজন হয় , যা অনেক অঞ্চলে গ্রিড থেকে লুকানো জল বহন করে; বিপরীতে, জল শীতলীকরণ বিদ্যুৎ এবং নির্গমন কমাতে পারে, তবে এর জন্য সাইটে জলের প্রয়োজন হয়। বড় অপারেটররা সাইট-বাই-সাইট এই সুবিধা-অসুবিধাগুলির মধ্যে স্পষ্টভাবে ভারসাম্য বজায় রাখে [1][5]।

গভীরভাবে অনুসন্ধান: ভাইরাল দাবিগুলির উপর একটি দ্রুত বাস্তবতা পরীক্ষা 🧪

আপনি হয়তো এমন সাহসী বিবৃতি দেখেছেন যে একটি একক প্রম্পট "একটি জলের বোতল"-এর সমান, অথবা, অন্য দিকে, "মাত্র কয়েক ফোঁটা"। আরও ভালো মনোভাব: গণিতের সাথে নম্রতা । আজকের বিশ্বাসযোগ্য প্রান্তিক মানগুলি হল পূর্ণ পরিবেশন ওভারহেড সহ একটি মাঝারি উৎপাদন প্রম্পটের জন্য ~0.26 mL [1] এবং 400-টোকেন সহকারী উত্তরের জন্য ~45 mL (মার্জিনাল ইনফারেন্স) [2]। বহুল প্রচলিত "এক চা-চামচের এক-পনেরো ভাগের এক ভাগ" দাবির কোনো সর্বজনীন সীমানা/পদ্ধতি নেই; এটিকে শহর ছাড়া আবহাওয়ার পূর্বাভাসের মতো বিবেচনা করুন [1][3]।

ছোট-প্রায়শই জিজ্ঞাসিত প্রশ্ন: AI কত জল ব্যবহার করে? আবার, সরল ইংরেজিতে 🗣️

তাহলে, মিটিংয়ে আমার কী বলা উচিত? “ মডেল, সময়কাল এবং এটি কোথায় চালানো হচ্ছে তার উপর নির্ভর করে, প্রতিটি নির্দেশের জন্য এর পরিমাণ কয়েক ফোঁটা থেকে কয়েক চুমুক পর্যন্ত হতে পারে। প্রশিক্ষণের জন্য প্রচুর পরিমাণে প্রয়োজন , অল্প পরিমাণে নয়।” এরপর উপরের এক বা দুটি উদাহরণ দিন।
কৃত্রিম বুদ্ধিমত্তা কি বিশেষভাবে খারাপ?
এটি বিশেষভাবে কেন্দ্রীভূত: উচ্চ-ক্ষমতার চিপগুলি একসাথে প্যাক করা হলে শীতলীকরণের উপর বিশাল চাপ সৃষ্টি করে। কিন্তু ডেটা সেন্টারগুলিই এমন জায়গা যেখানে সেরা দক্ষতা প্রযুক্তিগুলি প্রথমে আসে [1][4]।
আমরা যদি সবকিছুকে কেবল এয়ার কুলিংয়ে স্থানান্তর করি তাহলে কী হবে? আপনি সাইটে জল কমাতে পারেন কিন্তু বিদ্যুতের মাধ্যমে সাইটের বাইরে জল বাড়াতে পারেন। পরিশীলিত অপারেটররা উভয়ই [1][5] ওজন করে।
ভবিষ্যতের প্রযুক্তি সম্পর্কে কী বলা যায়? স্কেলে পানি ঠান্ডা করা এড়িয়ে চলা ডিজাইনগুলো স্কোপ ১-এর জন্য এক যুগান্তকারী পরিবর্তন আনবে। কিছু অপারেটর এই পথে এগিয়ে যাচ্ছে; গ্রিড পরিবর্তন না হওয়া পর্যন্ত উজানের বিদ্যুৎ এখনও জলের সংকেত বহন করে [4]।

শেষ মন্তব্য - অনেক লম্বা, আমি এটা পড়িনি 🌊

প্রতি প্রম্পটে: মডেল, প্রম্পটের দৈর্ঘ্য এবং এটি কোথায় চলে তার উপর নির্ভর করে সাব-মিলিলিটার থেকে দশ মিলিলিটার পর্যন্ত ভাবুন । একটি প্রধান স্ট্যাকে মিডিয়ান প্রম্পট ~0.26 মিলি ; অন্য একটিতে 400-টোকেন উত্তরের জন্য ~45 মিলি [1][2]।
প্রশিক্ষণ: লক্ষ লক্ষ লিটার , যার ফলে সময়সূচী, স্থান নির্ধারণ এবং শীতলীকরণ প্রযুক্তি অত্যন্ত গুরুত্বপূর্ণ [3]।
কী করবেন: সঠিক আকারের মডেল তৈরি করুন, জল-ভিত্তিক অঞ্চল নির্বাচন করুন, ভারী কাজগুলিকে শীতল সময়ে স্থানান্তর করুন, জল-আলোর নকশা প্রমাণকারী বিক্রেতাদের পছন্দ করুন এবং স্বচ্ছ সীমানা দাবি করুন [1][3][4][5]।

শেষ পর্যন্ত একটু ত্রুটিপূর্ণ রূপক: AI হলো একটি তৃষ্ণার্ত অর্কেস্ট্রা - সুরটি কম্পিউটেড, কিন্তু ড্রামগুলি ঠান্ডা করে জল গ্রিড করছে। ব্যান্ডটি সুর করুন, এবং শ্রোতারা এখনও স্প্রিংকলার না বন্ধ করেই সঙ্গীত শুনতে পাবে। 🎻💦

তথ্যসূত্র

গুগল ক্লাউড ব্লগ - গুগলের এআই কতটা শক্তি ব্যবহার করে? আমরা হিসাব করে দেখেছি (পদ্ধতি + ~০.২৬ মিলি মিডিয়ান প্রম্পট, সম্পূর্ণ পরিবেশন ওভারহেড)। লিঙ্ক
(টেকনিক্যাল পেপার পিডিএফ: গুগল স্কেলে এআই সরবরাহের পরিবেশগত প্রভাব পরিমাপ করা।) লিঙ্ক
মিস্ট্রাল এআই - এআই-এর জন্য একটি বৈশ্বিক পরিবেশগত মানদণ্ডে আমাদের অবদান (ADEME/কার্বন ৪ সহ LCA; ~২৮১,০০০ m³ প্রশিক্ষণ + প্রাথমিক ব্যবহার; প্রতি ৪০০-টোকেন উত্তরে ~৪৫ mL , প্রান্তিক অনুমান)। লিঙ্ক
লি ও অন্যান্য - এআই-কে কম “তৃষ্ণার্ত” করে তোলা: এআই মডেলের গোপন জল পদচিহ্ন উন্মোচন ও তার সমাধান ( লক্ষ লক্ষ লিটার জল প্রশিক্ষণ , সময় ও স্থান-সচেতন সময়সূচী, উত্তোলন বনাম ব্যবহার)। লিঙ্ক
মাইক্রোসফট - পরবর্তী প্রজন্মের ডেটাসেন্টারগুলি শীতলকরণের জন্য কোনও জল ব্যবহার করে না (নির্দিষ্ট স্থানে জল-মুক্ত শীতলকরণের লক্ষ্যে সরাসরি-থেকে-চিপ ডিজাইন)। লিঙ্ক
গুগল ডেটা সেন্টার - টেকসইভাবে পরিচালিত (সাইট-বাই-সাইট কুলিং ট্রেড-অফ; রিপোর্টিং এবং পুনঃব্যবহার, পুনরুদ্ধারকৃত/ধূসর জল সহ; মাত্রার সাধারণ দৈনিক সাইট-স্তরের ব্যবহারের ক্রম)। লিঙ্ক

অফিসিয়াল এআই অ্যাসিস্ট্যান্ট স্টোরে সর্বশেষ এআই খুঁজুন

আমাদের সম্পর্কে

ব্লগে ফিরে যান