കൃത്രിമബുദ്ധിയും പാരിസ്ഥിതികാഘാതവും

കൃത്രിമബുദ്ധി (AI) ടൂളുകൾ ദൈനംദിന ജീവിതത്തിന്റെ ഭാഗമായി മാറുമ്പോഴും, അവയുണ്ടാക്കുന്ന പാരിസ്ഥിതിക ആഘാതത്തെക്കുറിച്ച് ഭൂരിഭാഗം ആളുകളും ഇന്നും വേണ്ടത്ര ബോധവാന്മാരല്ല. വലിയ ഡാറ്റാ സെന്ററുകൾ പ്രവർത്തിപ്പിക്കാനും AI മോഡലുകൾ പരിശീലിപ്പിക്കാനും ആവശ്യമായ ഭീമമായ വൈദ്യുതി ഉപയോഗവും, സെർവറുകൾ തണുപ്പിക്കാൻ വേണ്ടിവരുന്ന കോടിക്കണക്കിന് ലിറ്റർ വെള്ളവും, അന്തരീക്ഷത്തിലേക്ക് തള്ളിവിടുന്ന കാർബണും വലിയ പാരിസ്ഥിതിക വെല്ലുവിളിയാണ് ഉണ്ടാക്കുന്നത്. എന്നാൽ, ഈ പ്രക്രിയകളെല്ലാം ഡിജിറ്റൽ ലോകത്തിനുള്ളിൽ ഉപയോക്താക്കളുടെ കണ്ണിൽപ്പെടാതെ നടക്കുന്നതിനാൽ, ലളിതമായ AI സെർച്ചിന് പിന്നിലെ ഭീമമായ ഊർജ്ജ ഉപഭോഗത്തെക്കുറിച്ച് സാധാരണ ഉപയോക്താക്കൾ ചിന്തിക്കാറില്ല. ഗവേഷകരും പരിസ്ഥിതി പ്രവർത്തകരും ഈ വിഷയത്തിൽ ആശങ്ക പ്രകടിപ്പിക്കുന്നുണ്ടെങ്കിലും, പൊതുജനങ്ങളുടെ ഇടയിൽ ഇതിനെക്കുറിച്ചുള്ള ബോധവൽക്കരണം ഇനിയും വർദ്ധിക്കേണ്ടതുണ്ട്.
ഇരുപത്തിയൊന്നാം നൂറ്റാണ്ടിലെ രണ്ട് പ്രതിസന്ധികൾ—കാലാവസ്ഥാ വ്യതിയാനവും കൃത്രിമബുദ്ധിയും—കൂട്ടിമുട്ടുകയാണ്. ജനറേറ്റീവ് AI ആഘോഷിക്കപ്പെടുമ്പോൾ തന്നെ, അതിന്റെ ഡാറ്റാ സെന്ററുകൾ, ധാതുഖനനം, ഊർജ്ജ-ജല ഉപഭോഗം എന്നിവ ആഗോള നെറ്റ്-സീറോ ലക്ഷ്യങ്ങൾക്ക് ഭീഷണിയാകുന്നു. ക്ലൗഡ് എന്ന അദൃശ്യതയുടെ മിഥ്യയ്ക്കപ്പുറം, AI ഒരു ഭൗതിക വിഭവശൃംഖലയാണ്. കാലാവസ്ഥാ പരിഹാരത്തിനുള്ള ഉപകരണമായിരിക്കുമ്പോഴും കാര്യക്ഷമതയ്ക്കപ്പുറം വിഭവത്തിന്റെ മൊത്തം ഉപഭോഗം കുറയുന്നതിന് പകരം കൂടുകയാണ് ചെയ്യുന്നത്. പര്യാപ്തതയും, പാരിസ്ഥിതിക കാൽപ്പാടിനപ്പുറം ഭാവനയുടെ കാൽപ്പാടും ചോദ്യം ചെയ്തുകൊണ്ട്, AI-യുടെ ഭാവി മനുഷ്യബുദ്ധിയും ഭൂമിയുടെ പരിമിതികളും തമ്മിലുള്ള ഒരു പുതിയ കരാറാണെന്ന് ഈ ലേഖനം വാദിക്കുന്നത്.

അദൃശ്യതയുടെ മിഥ്യയ്ക്കപ്പുറം
ഇരുപത്തിയൊന്നാം നൂറ്റാണ്ടിലെ മാനവചരിത്രത്തെ രണ്ട് പ്രതിസന്ധികൾ ഒരേ സമയം നിർവചിക്കുന്നു. ഒന്ന്, കാലാവസ്ഥാ വ്യതിയാനം എന്ന അസ്തിത്വപരഭീഷണി. രണ്ട്, നിർമ്മിത ബുദ്ധി എന്ന സാങ്കേതിക കുതിപ്പ്. ഈ രണ്ട് ചരിത്രപ്രവാഹങ്ങളും പരസ്പരം കൂട്ടിമുട്ടുകയും ഏറ്റുമുട്ടുകയും ചെയ്യുന്ന നിർണായക ഘട്ടത്തിലാണ് നാം. സിലിക്കൺ വാലിയിലെ മിന്നുന്ന ആസ്ഥാനങ്ങളിൽ നിന്ന് ദാവോസിലെ ലോക സാമ്പത്തിക ഫോറത്തിന്റെ ഉച്ചകോടികളിലേക്ക് വ്യാപിച്ചുനിൽക്കുന്ന ആഗോള സാങ്കേതിക വിപ്ലവത്തിന്റെ കേന്ദ്രബിന്ദുവാണ് കൃത്രിമബുദ്ധി. ജനറേറ്റീവ് AI ആഘോഷിക്കപ്പെടുമ്പോഴും അത് ആഗോളതലത്തിൽ ഗുരുതരമായ ഒരു ഹരിത വിരോധാഭാസത്തിന് വഴിവെക്കുന്നുണ്ട്.
വടക്കൻ വിർജീനിയയിലെ അതിവിശാലമായ ഡാറ്റാ സെന്റർ കോംപ്ലക്സുകൾ മുതൽ തായ്‌വാനിലെ സെമികണ്ടക്ടർ നിർമ്മാണശാലകൾ വരെയും, കോംഗോയിലെ കൊബാൾട്ട് ഖനികൾ മുതൽ ദക്ഷിണ അമേരിക്കയിലെ ലിഥിയം പാടങ്ങൾ വരെയും പടർന്നുകിടക്കുന്ന ഭൗതികമായ ഒരു വിഭവശൃംഖലയിലാണ് ഈ ഡിജിറ്റൽ ലോകം ശ്വസിക്കുന്നത്. കാലാവസ്ഥാ വ്യതിയാനത്തിനെതിരെയുള്ള പോരാട്ടത്തിൽ കാർബൺ പുറന്തള്ളൽ കുറയ്ക്കാനും പ്രകൃതിദുരന്തങ്ങൾ പ്രവചിക്കാനും AI ഉപകരിക്കുമെന്ന് അന്താരാഷ്ട്ര ഏജൻസികൾ പ്രതീക്ഷിക്കുന്നു.
മറുവശത്ത് ഈ സാങ്കേതികവിദ്യയുടെ അതിരറ്റ ഊർജ്ജ-ജല ഉപഭോഗം ആഗോള നെറ്റ്-സീറോ ലക്ഷ്യങ്ങൾക്ക് ഭീഷണിയുയർത്തുന്നു. ആഗോള വടക്കും ആഗോള തെക്കും തമ്മിലുള്ള വടംവലികൾക്കിടയിൽ, ഡിജിറ്റൽ പുരോഗതിയുടെ ലാഭം വൻകിട ടെക് കോർപ്പറേഷനുകൾ കൊയ്യുകയും അതിന്റെ പാരിസ്ഥിതിക ഭാരം പരിസ്ഥിതി ദുർബല പ്രദേശങ്ങളിലെ പാർശ്വവൽക്കരിക്കപ്പെട്ട സമൂഹങ്ങൾ പേറേണ്ടിവരികയും ചെയ്യുന്നു. ഇത് ഒരു പുതിയ പാരിസ്ഥിതിക സാമ്രാജ്യത്വത്തിന്റെ രാഷ്ട്രീയമാണ്. അതിനാൽ ഭൂമിയുടെ പരിമിതമായ വിഭവശേഷിയും അതിരുകളില്ലാത്ത കമ്പ്യൂട്ടേഷണൽ മോഹങ്ങളും തമ്മിലുള്ള ഈ സംഘർഷത്തെ ഒരു സാങ്കേതിക വിഷയമായി മാത്രമല്ല, മാനവരാശിയുടെ നിലനിൽപ്പിനെ നിർണ്ണയിക്കുന്ന ആഗോള പാരിസ്ഥിതിക രാഷ്ട്രീയത്തിന്റെ സൂക്ഷ്മതലത്തിലൂടെ തന്നെ വിശകലനം ചെയ്യപ്പെടേണ്ടതുണ്ട്.
നാം ക്ലൗഡ് എന്ന് വിളിക്കുന്നത് ഒരു രൂപകം മാത്രമാണ്; യാഥാർത്ഥ്യമല്ല. ഒരു ചോദ്യം ടൈപ്പ് ചെയ്ത് അയക്കുമ്പോൾ നിമിഷങ്ങൾക്കകം ഉത്തരം സ്ക്രീനിൽ തെളിയുന്നു എന്ന അനുഭവം കൃത്രിമബുദ്ധിയെ ഭാരരഹിതവും ഭൗതികരഹിതവുമായ ഒന്നായി തോന്നിപ്പിക്കുന്നു. എന്നാൽ ആ ഒരു ഉത്തരത്തിനു പിന്നിൽ ഭീമൻ ഭൗതിക ശൃംഖലയുണ്ട്: ഖനി മുതൽ ലോഹം, ലോഹം മുതൽ ചിപ്പ്, ചിപ്പ് മുതൽ സെർവർ, സെർവർ മുതൽ ഡാറ്റാ സെന്റർ, ഡാറ്റാ സെന്റർ മുതൽ വൈദ്യുതിയും ജലവും, ഒടുവിൽ ഇ-മാലിന്യം എന്നിവിടത്തേക്ക് നീളുന്ന ഒരു ഭൗതിക ഭൂപടം. കൃത്രിമബുദ്ധിയെ വിലയിരുത്താൻ ആദ്യം വേണ്ടത് ഈ മേഘം എന്ന ദൃശ്യരൂപകത്തിൽ നിന്ന് പുറത്തുകടക്കുകയാണ്; അതിന്റെ ബുദ്ധി എത്ര അദൃശ്യമായി തോന്നിയാലും, അതിന്റെ ചെലവ് ദൃശ്യവും അളക്കാവുന്നതുമായ ഒന്നാണ്.
ഈ ചെലവിന്റെ ഏറ്റവും പ്രകടമായ മുഖം ഊർജ്ജമാണ്. ആഗോള ഡാറ്റാ സെന്ററുകളുടെ വൈദ്യുതി ഉപഭോഗം അതിവേഗം വർദ്ധിച്ചുവരികയാണ്, അതിന്റെ പ്രധാന കാരണം കൃത്രിമബുദ്ധിയാണ്. വലിയ ഭാഷാ മോഡലുകളെ പരിശീലിപ്പിക്കുന്ന ഘട്ടം മുതൽ അത്യധികം ഊർജം വേണ്ടിവരുന്നു. പരിശീലനഘട്ടം ഒറ്റയടിക്ക് വലിയ ഊർജ്ജം വിഴുങ്ങുന്നുണ്ടെങ്കിലും, ദശലക്ഷക്കണക്കിന് മനുഷ്യർ ദിനംപ്രതി ചോദ്യങ്ങൾ ചോദിക്കുന്ന അനുമാന ഘട്ടം ദീർഘകാലാടിസ്ഥാനത്തിൽ ആകുമ്പോൾ മൊത്തം ഊർജ്ജ ഉപഭോഗത്തിന്റെ വലിയൊരു ഭാഗം ഏറ്റെടുക്കുന്നു. അതായത്, കൃത്രിമബുദ്ധിയുടെ പാരിസ്ഥിതിക ഭാരം ഒരു ഒറ്റത്തവണ ചെലവല്ല; അത് നമ്മുടെ ദൈനംദിന ഉപയോഗത്തിന്റെ ഭാഗമായി തുടർച്ചയായി ശേഖരിക്കപ്പെടുന്ന ഒരു കടമാണ്.
ഈ ഊർജ്ജത്തിന്റെ ഉറവിടം എവിടെയാണ് എന്നത് അതിന്റെ കാർബൺ പ്രത്യാഘാതത്തെ നിർണായകമായി സ്വാധീനിക്കുന്നു. ചില രാജ്യങ്ങളിൽ വൈദ്യുതി ഉൽപ്പാദനം വളരെ കുറഞ്ഞ കാർബൺ തീവ്രതയുള്ളതാണെങ്കിൽ, മറ്റു പല രാജ്യങ്ങളിലും അത് അത്യന്തം ഉയർന്നതാണ്. ഒരേ കമ്പ്യൂട്ടേഷൻ എവിടെ നടക്കുന്നു എന്നതനുസരിച്ച് അതിന്റെ കാർബൺ ചെലവ് ഗണ്യമായി വ്യത്യാസപ്പെടുന്നു. ഭൂമിശാസ്ത്രം അതിനാൽ ഒരു അലങ്കാര വിശദാംശമല്ല, മറിച്ച് കൃത്രിമബുദ്ധിയുടെ ധാർമ്മിക കണക്കുപുസ്തകത്തിലെ ഏറ്റവും പ്രധാനപ്പെട്ട വരികളിലൊന്നാണ്.

ഔദ്യോഗിക കണക്കുകൾ പലപ്പോഴും യാഥാർത്ഥ്യത്തിന്റെ ഒരു ഭാഗം മാത്രമേ പിടിച്ചെടുക്കുന്നുള്ളൂ. വൈദ്യുതി ഉപഭോഗം മാത്രം കണക്കിലെടുക്കുന്ന രീതി യഥാർത്ഥ കാർബൺ കണക്കിനെ കുറച്ചുകാണിക്കുന്നു; ഹാർഡ്‌വെയർ നിർമ്മാണവും വിതരണശൃംഖലയും കൂടി ചേർത്താൽ ചിത്രം കൂടുതൽ ഗുരുതരമാകുന്നു.
ഊർജ്ജത്തെക്കാൾ കുറച്ചു മാത്രം ചർച്ച ചെയ്യപ്പെടുന്ന, എന്നാൽ അതിനെക്കാൾ മൂർത്തമായ ഒരു വൈരുദ്ധ്യമാണ് ജലം. ശക്തമായി പ്രവർത്തിക്കുന്ന പ്രോസസറുകൾ ഉൽപ്പാദിപ്പിക്കുന്ന താപം തണുപ്പിക്കാൻ ഡാറ്റാ സെന്ററുകൾ മൂന്ന് വഴികളിലൂടെ ജലം ചെലവഴിക്കുന്നു—നേരിട്ടുള്ള ബാഷ്പീകരണ കൂളിംഗ്, വൈദ്യുതി ഉൽപ്പാദനത്തിലെ പരോക്ഷമായ ജലോപയോഗം, സെമികണ്ടക്ടർ നിർമ്മാണത്തിൽ ഉൾച്ചേർന്ന ജലം. ഈ മൂന്ന് മാർഗങ്ങളും ചേർന്ന് ഡാറ്റാ സെന്ററുകളുടെ ജല ഉപഭോഗം വൻതോതിലുള്ളതാണ്.
ഒരു ഇടത്തരം നീളമുള്ള AI പ്രതികരണങ്ങൾ സൃഷ്ടിക്കുന്നത് ഒരു ചെറിയ അളവ് ജലം ബാഷ്പീകരിക്കപ്പെടുന്നതിന് കാരണമാകുന്നു എന്ന് പറയുമ്പോൾ അത് നിസ്സാരമായി തോന്നാം; എന്നാൽ ദിവസേന കോടിക്കണക്കിന് ചോദ്യങ്ങൾ ചോദിക്കപ്പെടുന്ന ഒരു ലോകത്ത് ഈ നിസ്സാരത ഗുണിതരൂപത്തിൽ ഭീമമായ ഒരു യാഥാർത്ഥ്യമായി മാറുന്നു. ഇവിടെയാണ് യഥാർത്ഥ വൈരുദ്ധ്യം തെളിയുന്നത്: മനുഷ്യർക്ക് കുടിവെള്ളം കിട്ടാത്ത ഭൂമിയിൽ, യന്ത്രങ്ങളുടെ താപം തണുപ്പിക്കാൻ ജലം ബാഷ്പീകരിക്കപ്പെടുന്നു. ജലക്ഷാമമുള്ള പ്രദേശങ്ങളിൽ തന്നെ വൻകിട ഡാറ്റാ സെന്ററുകൾ കേന്ദ്രീകരിക്കപ്പെടുന്നത് യാദൃച്ഛികമല്ല—ഭൂമി വിലകുറവും സൗരോർജ്ജ ലഭ്യതയും അവിടങ്ങളിൽ കൂടുതലായതിനാലാണ്; അതായത്, ഒരു വിഭവത്തിന്റെ ലാഭം മറ്റൊരു വിഭവത്തിന്റെ ചെലവിൽ നേടപ്പെടുന്നു. ഇത് സാങ്കേതികവിദ്യാ ആസൂത്രണത്തിന്റെ പരാജയമല്ല; അത് ജലനീതിയുടെ ചോദ്യമാണ്—ആരാണ് ജലം ഉപയോഗിക്കുന്നത്, ആർക്കാണ് അതിന്റെ സാമ്പത്തിക നേട്ടം, ആരാണ് അതിന്റെ പാരിസ്ഥിതിക വില നൽകുന്നത് എന്ന ചോദ്യങ്ങൾ.
ഊർജ്ജവും ജലവും കഴിഞ്ഞാൽ, കൃത്രിമബുദ്ധിയുടെ ഏറ്റവും അദൃശ്യമായ ചെലവ് ഭൂമിയും ധാതുക്കളുമാണ്. ഡാറ്റാ സെന്റർ ആവശ്യങ്ങൾക്കായി ഉപയോഗിക്കപ്പെടുന്ന സ്ഥലം വർദ്ധിച്ചുവരികയാണ്. ഈ കണക്കിൽ ഡാറ്റാ സെന്റർ കെട്ടിടങ്ങൾ മാത്രമേ ഉൾപ്പെടുന്നുള്ളൂ; അവയ്ക്ക് വൈദ്യുതി നൽകുന്ന സൗരോർജ്ജ-കാറ്റാടി ഫാമുകളും ട്രാൻസ്മിഷൻ ലൈനുകളും കൂടി ചേർത്താൽ യഥാർത്ഥ ഭൂവിനിയോഗം പലമടങ്ങ് വലുതാകും. ഈ ഭൗതിക അടിത്തറ നിർമ്മിക്കാൻ ആവശ്യമായ ചിപ്പുകൾക്കും സെമികണ്ടക്ടറുകൾക്കും കോപ്പർ, ലിഥിയം, നിക്കൽ, കോബാൾട്ട്, അപൂർവ ഭൗമ മൂലകങ്ങൾ എന്നിവ വേണം. ഇവയുടെ ഖനനം സിലിക്കൺ വാലിയിലല്ല, ആഫ്രിക്കയിലെ ഖനികളിലും ലാറ്റിനമേരിക്കയിലെ മിനറൽ ബെൽറ്റുകളിലുമാണ് നടക്കുന്നത്. ഡിജിറ്റൽ ബുദ്ധിയുടെ വില ഭൂമിയുടെ ഏറ്റവും ദുർബലമായ ആവാസവ്യവസ്ഥകളിലും സമൂഹങ്ങളിലും നിന്നാണ് ഈടാക്കപ്പെടുന്നത്. സെമികണ്ടക്ടർ ഫാബ്രിക്കേഷൻ പ്ലാന്റുകൾ പോലും ജലതീവ്രമായ വ്യവസായങ്ങളാണ്. ഈ മുഴുവൻ ശൃംഖലയും കടന്ന്, ഹാർഡ്‌വെയർ ഉപയോഗയോഗ്യമായ ശേഷം ഹ്രസ്വകാലം മാത്രമേ നിലനിൽക്കൂ. AI സാങ്കേതികവിദ്യ ദ്രുതഗതിയിൽ പുതുക്കപ്പെടുന്നതിനാൽ ചിപ്പുകൾ പെട്ടെന്ന് കാലഹരണപ്പെടുന്നു; ഇത് ഖനി മുതൽ ചവറ്റുകുട്ട വരെയുള്ള ഒരു രേഖീയ സമ്പദ്‌വ്യവസ്ഥ സൃഷ്ടിക്കുന്നു, കുറഞ്ഞ റീസൈക്ലിംഗ് നിരക്കുള്ള ഒരു ഇ-മാലിന്യ പ്രതിസന്ധിയിലേക്ക് അത് നയിക്കുന്നു.
ഇത്രയും വായിച്ചാൽ കൃത്രിമബുദ്ധി കേവലം ഒരു പാരിസ്ഥിതിക വില്ലനാണ് എന്ന നിഗമനത്തിലെത്താൻ എളുപ്പമാണ്. എന്നാൽ ഈ ചിത്രം അപൂർണമാണ്; അതേ സാങ്കേതികവിദ്യ പരിസ്ഥിതി സംരക്ഷണത്തിന്റെ ശക്തമായ ഒരു ഉപകരണം കൂടിയായി മാറുന്നു. പുനരുപയോഗ ഊർജ്ജത്തിന്റെ ഉൽപ്പാദനവും വിതരണവും കൃത്യമായി പ്രവചിച്ച് പവർ ഗ്രിഡുകളുടെ കാര്യക്ഷമത വർധിപ്പിക്കാൻ AI സഹായിക്കുന്നു; അതിതീവ്ര മഴ, ചുഴലിക്കാറ്റ്, കാട്ടുതീ എന്നിവ മുൻകൂട്ടി പ്രവചിച്ച് ദുരന്ത നിവാരണത്തിന് വഴിയൊരുക്കുന്നു; ഉപഗ്രഹ ചിത്രങ്ങളും ധ്വനി സെൻസറുകളും ഉപയോഗിച്ച് വനനശീകരണവും അനധികൃത വേട്ടയും കണ്ടെത്തുന്നു; മണ്ണിലെ ഈർപ്പവും പോഷകങ്ങളും വിശകലനം ചെയ്ത് ആവശ്യത്തിന് മാത്രം ജലവും വളവും ഉപയോഗിക്കാൻ കർഷകരെ പ്രാപ്തരാക്കുന്നു. കേരളത്തിൽ വികസിപ്പിച്ച ആപ്ലിക്കേഷനുകൾ അധിനിവേശ സസ്യങ്ങളെ തിരിച്ചറിഞ്ഞ് പ്രാദേശിക ആവാസവ്യവസ്ഥ സംരക്ഷിക്കാൻ സഹായിക്കുന്നത് ഇതിന്റെ ചെറിയ എന്നാൽ അർത്ഥവത്തായ ഒരു ഉദാഹരണമാണ്. കൃത്രിമബുദ്ധിയുടെ സാമ്പത്തിക കാര്യക്ഷമതാ നേട്ടങ്ങൾ ഡാറ്റാ സെന്റർ ഉപഭോഗത്തെ ഭാഗികമായി സന്തുലിതപ്പെടുത്താൻ സാധ്യതയുണ്ട്.
എന്നാൽ ഇവിടെ ആഴത്തിലുള്ള വൈരുദ്ധ്യം ഒളിഞ്ഞിരിക്കുന്നുണ്ട്. കാലാവസ്ഥാ പ്രതിസന്ധി പരിഹരിക്കാൻ AI ഉപയോഗിക്കുമ്പോൾത്തന്നെ, ആ AI-യുടെ പ്രവർത്തനം കൂടുതൽ ഊർജ്ജവും ജലവും വിഭവങ്ങളും ഉപയോഗിച്ച് അതേ പ്രതിസന്ധി രൂക്ഷമാക്കാം. സാമ്പത്തികശാസ്ത്രത്തിൽ ഇതിന് ഒരു പേരുണ്ട്—ജെവൺസ് വൈരുദ്ധ്യം (Jevons Paradox). ഒരു സാങ്കേതികവിദ്യ കൂടുതൽ കാര്യക്ഷമമാകുമ്പോൾ, ഓരോ ഉപയോഗത്തിനും വേണ്ട വിഭവം കുറയുന്നു എന്നത് ശരിയാണ്; എന്നാൽ ചരിത്രം കാണിക്കുന്നത്, കാര്യക്ഷമത കൂടുന്നതോടെ സാങ്കേതികവിദ്യ വിലകുറഞ്ഞതും കൂടുതൽ ലഭ്യവുമായി മാറുകയും, അതിന്റെ ഫലമായി മൊത്തം ഉപഭോഗം കുറയുന്നതിന് പകരം കുതിച്ചുയരുകയും ചെയ്യുന്നു എന്നാണ്. കുറഞ്ഞ കമ്പ്യൂട്ടേഷണൽ ചെലവ് കൂടുതൽ AI ഉപയോഗത്തിലേക്കും, കൂടുതൽ ഉപയോഗം കൂടുതൽ ആപ്ലിക്കേഷനുകളിലേക്കും, കൂടുതൽ ആപ്ലിക്കേഷനുകൾ ആത്യന്തികമായി കൂടുതൽ മൊത്തം കമ്പ്യൂട്ടേഷനിലേക്കും നയിക്കുന്നു. അതിനാൽ, AI കൂടുതൽ കാര്യക്ഷമമാകുന്നു എന്ന അവകാശവാദം കൊണ്ട് അതിന്റെ പാരിസ്ഥിതിക സുസ്ഥിരത ഉറപ്പുനൽകുന്നില്ല; കാര്യക്ഷമതയും ഉപഭോഗ വളർച്ചയും തമ്മിലുള്ള മത്സരത്തിൽ ആരാണ് ജയിക്കുന്നത് എന്നതാണ് യഥാർത്ഥ ചോദ്യം.
ഈ വൈരുദ്ധ്യത്തിന് ഒരു ഭൂമിശാസ്ത്രപരമായ മാനം കൂടിയുണ്ട്. ലോകത്തെ AI കമ്പ്യൂട്ടിംഗ് ശേഷിയുടെ ബഹുഭൂരിഭാഗവും അമേരിക്കയിലും ചൈനയിലും മാത്രമായി കേന്ദ്രീകരിച്ചിരിക്കുന്നു. എന്നാൽ ഒരു AI കമ്പനിയുടെ കാർബൺ കാൽപ്പാട് (ഒരു കമ്പനി നിലനിൽക്കാനും വളരാനും വേണ്ടി അന്തരീക്ഷത്തിലേക്ക് എത്രത്തോളം അന്തരീക്ഷ മലിനീകരണം ഉണ്ടാക്കുന്നു എന്നതിന്റെ കണക്കാണിത്) അമേരിക്കയിലെ ഒരു ഡാഷ്ബോർഡിൽ രേഖപ്പെടുത്തിയാലും, അതിന്റെ യഥാർത്ഥ വിഭവച്ചെലവ് ആഫ്രിക്കയിലെ ഖനികളിലും ഏഷ്യയിലെ നിർമ്മാണശാലകളിലും ലാറ്റിനമേരിക്കയിലെ ധാതു മേഖലകളിലും പ്രത്യക്ഷപ്പെടുന്നു. ഇതൊരു തരം പാരിസ്ഥിതിക ഔട്ട്‌സോഴ്‌സിംഗ് ആണ്.
AI-യുടെ സാമ്പത്തിക നേട്ടം ആഗോളമായി കേന്ദ്രീകൃതമായ ചുരുക്കം ചില ടെക്‌നോളജി കോർപ്പറേഷനുകളിലേക്ക് ഒഴുകുമ്പോൾ, അതിന്റെ പാരിസ്ഥിതിക വില ഖനനപ്രദേശങ്ങളിലെയും ജലക്ഷാമ പ്രദേശങ്ങളിലെയും ഇ-മാലിന്യം കൈകാര്യം ചെയ്യുന്ന തൊഴിലാളികളുടെയും ചുമലിലേക്ക് ഇറങ്ങുന്നു. ഇവിടെ പരിസ്ഥിതി നീതിയുടെ ചോദ്യം ഉയരുന്നു—നേട്ടം ആഗോളവും ചെലവ് പ്രാദേശികവുമാകുമ്പോൾ, അതിനെ പുരോഗതി എന്ന് വിശേഷിപ്പിക്കാമോ?

ഇന്ത്യയെ സംബന്ധിച്ചിടത്തോളം ഈ ചർച്ചയ്ക്ക് പ്രത്യേക പ്രാധാന്യമുണ്ട്. രാജ്യത്തെ ഡാറ്റാ സെന്റർ ശേഷി അതിവേഗം വളരുകയാണ്. എന്നാൽ ഇന്ത്യക്ക് ഇതിനകം തന്നെ ജലക്ഷാമം, ചൂട് തരംഗങ്ങൾ, നഗര മലിനീകരണം, ഭൂമിയുടെ അമിത ഉപയോഗം എന്നിവയുടെ ഭാരമുണ്ട്. അതിനാൽ ഇന്ത്യയുടെ AI നയരൂപീകരണത്തിൽ എത്ര വേഗത്തിൽ വളരണം എന്നതിനൊപ്പം എത്രമാത്രം സുസ്ഥിരമായി വളരണം എന്നതും ഒരു കേന്ദ്ര ചോദ്യമാകേണ്ടതുണ്ട്. കേരളത്തിന്റെ സാഹചര്യം ഇതിലും സൂക്ഷ്മമാണ്. ജലവൈദ്യുതിയുടെ ആപേക്ഷിക ലഭ്യതയും കൊച്ചി കേബിൾ ലാൻഡിംഗ് സ്റ്റേഷൻ പോലെയുള്ള കേന്ദ്രങ്ങളുടെ അടിസ്ഥാനസൗകര്യങ്ങളും കാർബൺ കുറഞ്ഞ ഡാറ്റാ സെന്ററുകൾക്ക് അനുകൂലമായ സാഹചര്യം സൃഷ്ടിക്കുന്നു; അതേസമയം കേരളത്തിന്റെ ഉയർന്ന അന്തരീക്ഷ താപനിലയും ആർദ്രതയും കൂളിംഗ് ചെലവ് ഉയർത്തിയേക്കാം. പാരിസ്ഥിതികമായി ദുർബലമായ പ്രദേശങ്ങളിൽ വൻകിട ഡാറ്റാ സെന്ററുകൾ വരുന്നത് ജലസ്രോതസ്സുകളിൽ ചെലുത്തുന്ന സമ്മർദ്ദം നിസ്സാരമായി കാണാനാവില്ല. കേരളം പാരിസ്ഥിതിക ആഘാതങ്ങൾക്ക് ഇരയാകാനുള്ള സാധ്യത—മഴ, വെള്ളപ്പൊക്കം, ഉരുൾപൊട്ടൽ, കടൽനിരപ്പ് ഉയരൽ—എന്നിവ പരിഗണിക്കുമ്പോൾ, AI-യ്ക്ക് ദുരന്ത മുന്നറിയിപ്പ് സംവിധാനങ്ങളിലും ഭൂവിനിയോഗ ആസൂത്രണത്തിലും വലിയ പങ്ക് വഹിക്കാനാകുമെങ്കിലും, അതേ AI-യുടെ ഭൗതിക അടിസ്ഥാനസൗകര്യം സൃഷ്ടിക്കുന്ന ഭൂമി-ജല-വൈദ്യുതി ആവശ്യകത അതേ ദുർബലതയെ കൂടുതൽ വഷളാക്കാതിരിക്കാൻ ജാഗ്രത വേണം. കേരളത്തിന് വേണ്ടത് പാരിസ്ഥിതിക അന്ധതയില്ലാത്ത ഒരു AI സമീപനമാണ്.
എല്ലാ വിവരണങ്ങൾക്കും അപ്പുറം, ഒരു ദാർശനിക ചോദ്യം കൂടി ഈ ചർച്ചയിൽ ഒളിഞ്ഞിരിക്കുന്നു. കാർബൺ, ഊർജ്ജം, ജലം, ഇ-മാലിന്യം എന്നിവയാണ് സാധാരണയായി പാരിസ്ഥിതിക കാൽപ്പാട് എന്നതുകൊണ്ട് അർത്ഥമാക്കുന്നത്; എന്നാൽ അതിനപ്പുറം ഒരു പാരിസ്ഥിതിക ഭാവന കാൽപ്പാട് എന്നത് കൂടിയുണ്ട്. (മനുഷ്യന്റെ സർഗ്ഗാത്മക ചിന്തകളും ഭാവനകളും സാഹിത്യത്തിലൂടെയും കലയിലൂടെയും പ്രകൃതിയിൽ സൃഷ്ടിക്കുന്ന ആഴത്തിലുള്ള അടയാളപ്പെടുത്തലും പാരിസ്ഥിതിക ബോധവും ചേർന്നതാണ് പാരിസ്ഥിതിക ഭാവനയുടെ കാൽപ്പാട് എന്ന് പറയുന്നത്) പ്രകൃതിയെ AI ഉപയോഗിച്ച് കൂടുതൽ കൃത്യമായി അളക്കാൻ കഴിയുമ്പോൾ, മനുഷ്യന്റെ പ്രകൃതിയുമായുള്ള നേരിട്ടുള്ള അനുഭവപരമായ ബന്ധം ദുർബലമാകുമോ എന്നതാണ് ഈ ചോദ്യം. ഒരു പക്ഷിയുടെ ശബ്ദം കേട്ട് തിരിച്ചറിയുന്നതിന് പകരം ആപ്ലിക്കേഷൻ അതിന്റെ പേര് പറയുമ്പോൾ, മഴയുടെ ഗന്ധം അനുഭവിക്കുന്നതിന് പകരം മഴയുടെ സാധ്യത എന്ന സംഖ്യ കാണുമ്പോൾ, വനത്തിലൂടെ നടക്കുന്നതിന് പകരം ഉപഗ്രഹ ചിത്രം സ്ക്രോൾ ചെയ്യുമ്പോൾ—പ്രകൃതി അനുഭവത്തിൽ നിന്ന് ഡാറ്റാബേസായി പരിവർത്തനം ചെയ്യപ്പെടുന്നു. ഇത് പ്രകൃതിയെ അളക്കാനുള്ള ശേഷിയും അതിനെ അനുഭവിക്കാനുള്ള ശേഷിയും ഒരുപോലെയല്ല എന്ന വസ്തുതയിലേക്ക് വിരൽ ചൂണ്ടുന്നു. ഇതിന് ഒരു രാഷ്ട്രീയ മാനം കൂടിയുണ്ട്: സാങ്കേതികവിദ്യ കാലാവസ്ഥാ പ്രതിസന്ധി പരിഹരിക്കും എന്ന വിശ്വാസം അമിതമായി ശക്തിപ്പെട്ടാൽ, നമ്മുടെ ഉപഭോഗരീതി മാറേണ്ടതുണ്ട് എന്ന രാഷ്ട്രീയബോധത്തെ അത് ദുർബലപ്പെടുത്താം. അതായത്, AI ഒരു കാലാവസ്ഥാ പരിഹാരത്തിന്റെ ഭാഗമാകാം; എന്നാൽ അതിന് കാലാവസ്ഥാ രാഷ്ട്രീയത്തിന് പകരമാകാനാവില്ല.
ഇവിടെയാണ് ഏറ്റവും നിർണായകമായ ഒരു വേർതിരിവ് പ്രസക്തമാകുന്നത്—കാര്യക്ഷമതയും പര്യാപ്തതയും തമ്മിലുള്ള വേർതിരിവ്. ഒരു കമ്പ്യൂട്ടേഷൻ ചെയ്യാൻ എത്ര കുറച്ച് ഊർജ്ജം വേണം എന്നതാണ് കാര്യക്ഷമതയുടെ ചോദ്യം; ആ കമ്പ്യൂട്ടേഷൻ യഥാർത്ഥത്തിൽ ആവശ്യമാണോ എന്നതാണ് പര്യാപ്തതയുടെ ചോദ്യം.
ഇന്നത്തെ AI ചർച്ച മിക്കവാറും ആദ്യത്തേതിൽ മാത്രം ഒതുങ്ങുന്നു—ചെറിയ മോഡലുകൾ, ക്വാണ്ടൈസേഷൻ, മോഡൽ പ്രൂണിംഗ്, കൂടുതൽ കാര്യക്ഷമമായ ചിപ്പുകൾ. ഇവയെല്ലാം പ്രധാനമാണ്; എന്നാൽ ഒരു ചെറിയ ജോലിക്ക് വൻതോതിലുള്ള മോഡലിന്റെ ശക്തി ആവശ്യമുണ്ടോ, എവിടെ AI വേണം, എത്ര AI വേണം, എന്തിനാണ് AI വേണം എന്ന ചോദ്യങ്ങൾ അപൂർവമായി മാത്രമേ ഉന്നയിക്കപ്പെടുന്നുള്ളൂ. പര്യാപ്തതയെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾ കൂടി ചോദിച്ചാൽ മാത്രമേ ഈ വൈരുദ്ധ്യത്തെ മറികടക്കാൻ കഴിയൂ.
പരിഹാരങ്ങൾ അസാധ്യമല്ല; അവ ലളിതവുമല്ല. കൂടുതൽ കാര്യക്ഷമമായ ചിപ്പുകൾ, ഡയറക്റ്റ്-ടു-ചിപ്പ് ദ്രാവക തണുപ്പിക്കൽ സാങ്കേതികവിദ്യകൾ, കുടിവെള്ളത്തിന് പകരം സംസ്കരിച്ച മലിനജലം ഉപയോഗിക്കൽ, കാർബൺ-ബോധപൂർവമായ വർക്ക്‌ലോഡ് ഷെഡ്യൂളിംഗ് എന്നിവ ഗണ്യമായ പുരോഗതി കൈവരിക്കാൻ കഴിയുന്ന എൻജിനീയറിംഗ് ഇടപെടലുകളാണ്. എന്നാൽ ജാഗ്രത ആവശ്യമാണ്—വൻകിട ടെക് കമ്പനികൾ പ്രഖ്യാപിക്കുന്ന നൂറു ശതമാനം പുനരുപയോഗ ഊർജ്ജം എന്ന അവകാശവാദങ്ങൾ പലപ്പോഴും പവർ പർച്ചേസ് എഗ്രിമെന്റുകളെ ആശ്രയിച്ചാണ് നിലനിൽക്കുന്നത്; ഇവ യഥാർത്ഥത്തിൽ പുതിയ പുനരുപയോഗ ഊർജ്ജ ശേഷി കൂട്ടിച്ചേർക്കുന്നുണ്ടോ, അതോ നിലവിലുള്ള ഹരിത ഊർജ്ജത്തെ കണക്കിൽ മാത്രം പുനർവിതരണം ചെയ്യുകയാണോ എന്നത് സൂക്ഷ്മമായി പരിശോധിക്കപ്പെടേണ്ട ഒരു ചോദ്യമാണ്. കാർബൺ ഓഫ്‌സെറ്റുകളെ അമിതമായി ആശ്രയിക്കുന്ന നെറ്റ്-സീറോ വാഗ്ദാനങ്ങൾ യഥാർത്ഥ പുറന്തള്ളൽ കുറയ്ക്കാതെ കണക്കിലെ മാത്രം നേട്ടമായി മാറാം. അതിനാൽ ഊർജ്ജം, ജലം, കാർബൺ ഉപയോഗം കൃത്യമായി റിപ്പോർട്ട് ചെയ്യുക, ജലലഭ്യതയും വൈദ്യുതിയുടെ കാർബൺ തീവ്രതയും കണക്കിലെടുത്ത് കേന്ദ്രങ്ങൾ സ്ഥാപിക്കുക, ഉപകരണങ്ങളുടെ ആയുസ്സ് വർധിപ്പിക്കുക, പുനരുപയോഗം പ്രോത്സാഹിപ്പിക്കുക എന്നിവ നിർബന്ധമാക്കുന്ന നയങ്ങൾ ആവശ്യമാണ്.
AI-യെ ഒരു സാങ്കേതികവിദ്യയായി മാത്രം വായിച്ചാൽ അതിന്റെ പകുതി മാത്രമേ മനസ്സിലാകൂ. അത് ഒരേസമയം ഒരു ഊർജ്ജവ്യവസ്ഥയാണ്, ഒരു ജലവ്യവസ്ഥയാണ്, ഒരു ഖനനവ്യവസ്ഥയാണ്, ഒരു തൊഴിൽവ്യവസ്ഥയാണ്, ഒരു അധികാരവ്യവസ്ഥയാണ്, ഒരു പരിസ്ഥിതി വ്യവസ്ഥയാണ്. അതിനാൽ കൃത്രിമബുദ്ധിയുടെ ഭാവിയെക്കുറിച്ചുള്ള ഏറ്റവും പ്രധാനപ്പെട്ട ചോദ്യം AI മനുഷ്യനെ മറികടക്കുമോ എന്നതല്ല. അതിലും അടിയന്തിരമായ ചോദ്യം: AI വികസിക്കുമ്പോൾ ഭൂമിക്ക് അതിന്റെ വില എത്രത്തോളം വഹിക്കാനാകും? മനുഷ്യന്റെ ബുദ്ധിയെ വികസിപ്പിക്കുന്ന ഒരു സാങ്കേതികവിദ്യ, ഭൂമിയുടെ ജീവവ്യവസ്ഥയെ ദുർബലപ്പെടുത്തുന്ന രീതിയിലാണെങ്കിൽ, അതിനെ എത്രത്തോളം പുരോഗതി എന്ന് വിളിക്കാം? കൃത്രിമബുദ്ധിയുടെ ഭാവി മനുഷ്യനും യന്ത്രവും തമ്മിലുള്ള മത്സരത്തിന്റെ കഥ മാത്രമല്ല—അത് മനുഷ്യബുദ്ധിയും ഭൂമിയുടെ പരിസ്ഥിതിശേഷിയും തമ്മിലുള്ള ഒരു പുതിയ കരാറിന്റെ കഥ കൂടിയാണ്. ആ കരാർ എഴുതപ്പെടേണ്ടത് സാങ്കേതികവിദഗ്ധരുടെ ലാബുകളിൽ മാത്രമല്ല; സർക്കാരുകൾ, കോർപ്പറേറ്റുകൾ, ഗവേഷകർ, സിവിൽ സമൂഹം എന്നിവയുടെ സംയുക്തമായ, സുതാര്യമായ, ഉത്തരവാദിത്തമുള്ള ഒരു തീരുമാനത്തിലൂടെയാണ്.