AI کتنا پانی استعمال کرتا ہے؟

میں شرط لگاتا ہوں کہ آپ نے "AI ہر چند سوالوں پر پانی کی بوتل پیتا ہے" سے لے کر "یہ بنیادی طور پر چند قطرے ہیں" تک سب کچھ سنا ہوگا۔ حقیقت زیادہ باریک ہے۔ AI کے واٹر فوٹ پرنٹ بڑے پیمانے پر اس بنیاد پر بدلتے ہیں کہ یہ کہاں چلتا ہے، آپ کا پرامپٹ کتنا لمبا ہے، اور ڈیٹا سینٹر اپنے سرورز کو کیسے ٹھنڈا کرتا ہے۔ تو ہاں، سرخی نمبر موجود ہے، لیکن یہ انتباہات کی جھاڑی کے اندر رہتا ہے۔

ذیل میں میں واضح، فیصلہ کرنے کے لیے تیار نمبروں کو کھولتا ہوں، وضاحت کرتا ہوں کہ اندازے کیوں متفق نہیں ہیں، اور یہ بتاتا ہوں کہ کس طرح بلڈرز اور روزمرہ استعمال کرنے والے پانی کے ٹیب کو پائیداری کے راہبوں میں تبدیل کیے بغیر سکڑ سکتے ہیں۔

اس کے بعد آپ جو مضامین پڑھنا پسند کر سکتے ہیں:

🔗 AI ڈیٹاسیٹ کیا ہے؟
بتاتا ہے کہ ڈیٹاسیٹس کس طرح مشین لرننگ ٹریننگ اور ماڈل ڈیولپمنٹ کو فعال کرتے ہیں۔

🔗 AI رجحانات کی پیش گوئی کیسے کرتا ہے۔
دکھاتا ہے کہ AI تبدیلیوں اور مستقبل کے نتائج کی پیشن گوئی کرنے کے لیے پیٹرن کا کیسے تجزیہ کرتا ہے۔

🔗 AI کارکردگی کی پیمائش کیسے کریں۔
درستگی، رفتار اور وشوسنییتا کا اندازہ لگانے کے لیے ضروری میٹرکس کو توڑ دیتا ہے۔

🔗 AI سے بات کرنے کا طریقہ
واضح، نتائج، اور مستقل مزاجی کو بہتر بنانے کے لیے مؤثر اشتعال انگیز حکمت عملیوں کی رہنمائی کرتا ہے۔

AI کتنا پانی استعمال کرتا ہے؟ فوری نمبر جو آپ اصل میں استعمال کر سکتے ہیں 📏

• فی پرامپٹ، آج کی مخصوص رینج: ذیلی ملی لیٹر سے دوسرے پر طویل، اعلی حسابی ردعمل کے لیے دسیوں ملی لیٹر تک مثال کے طور پر، گوگل کا پروڈکشن اکاؤنٹنگ ایک میڈین ٹیکسٹ پرامپٹ ~0.26 ایم ایل (مکمل سرونگ اوور ہیڈ کے ساتھ) کی اطلاع دیتا ہے [1]۔ Mistral کے لائف سائیکل اسسمنٹ میں 400 ٹوکن اسسٹنٹ کا جواب ~ 45 mL (معمولی تخمینہ) [2] ہے۔ سیاق و سباق اور ماڈل بہت اہمیت رکھتے ہیں۔

• فرنٹیئر اسکیل ماڈل کی تربیت: لاکھوں لیٹر میں چل سکتا ہے ، زیادہ تر ٹھنڈک اور بجلی کی پیداوار میں شامل پانی سے۔ ایک وسیع پیمانے پر پیش کردہ تعلیمی تجزیہ میں GPT کلاس ماڈل کو تربیت دینے کے لیے ~ 5.4 ملین لیٹر کا 700,000 لیٹر - اور پانی کی شدت کو کم کرنے کے لیے سمارٹ شیڈولنگ کی دلیل دی گئی ہے [3]۔

• عام طور پر ڈیٹا سینٹرز: بڑی سائٹیں بڑے آپریٹرز پر اوسطاً سیکڑوں ہزاروں گیلن فی دن

آئیے ایماندار بنیں: وہ اعداد و شمار پہلے تو متضاد محسوس کرتے ہیں۔ وہ ہیں۔ اور اچھی وجوہات ہیں۔

AI پانی کے استعمال کے میٹرکس ✅

AI کتنا پانی استعمال کرتا ہے اس کا ایک اچھا جواب چند خانوں کو چیک کرنا چاہیے:

1. حدود کی وضاحت
   کیا اس میں صرف آن سائٹ ٹھنڈا کرنے والا پانی، یا بجلی پیدا کرنے کے لیے پاور پلانٹس آف سائٹ پانی بہترین پریکٹس پانی کے اخراج بمقابلہ پانی کی کھپت اور اسکوپس 1-2-3 میں فرق کرتی ہے، کاربن اکاؤنٹنگ کی طرح [3]۔

2. مقام کی حساسیت
   پانی فی کلو واٹ گھنٹہ علاقے اور گرڈ مکس کے لحاظ سے مختلف ہوتا ہے، اس لیے ایک ہی پرامپٹ اس بات پر منحصر ہے کہ اسے کہاں پیش کیا جاتا ہے پانی کے مختلف اثرات مرتب کر سکتا ہے - ایک اہم وجہ یہ ہے کہ ادب وقت اور جگہ کے بارے میں آگاہی شیڈولنگ کی [3]۔

3. کام کا بوجھ حقیقت پسندی
   کیا تعداد درمیانی پیداوار کے اشارے ، بشمول بیکار صلاحیت اور ڈیٹا سینٹر اوور ہیڈ، یا صرف ایکسلریٹر عروج پر؟ گوگل صرف TPU ریاضی پر نہیں بلکہ پورے نظام اکاؤنٹنگ (بے کار، CPUs/DRAM، اور ڈیٹا سینٹر اوور ہیڈ) پر زور دیتا ہے۔

4. کولنگ ٹیکنالوجی
   ایواپوریٹو کولنگ، بند لوپ مائع کولنگ، ایئر کولنگ، اور ابھرتے ہوئے ڈائریکٹ ٹو چپ اپروچز پانی کی شدت کو ڈرامائی طور پر تبدیل کرتے ہیں۔ مائیکروسافٹ کچھ اگلی نسل کی سائٹس کے لیے ٹھنڈے پانی کے استعمال کو ختم کرنے

5. دن کا وقت اور موسم
   گرمی، نمی، اور گرڈ کے حالات حقیقی زندگی میں پانی کے استعمال کی تاثیر کو ایک بااثر مطالعہ سے پتہ چلتا ہے کہ کب اور کہاں پانی کی شدت کم ہے بڑی ملازمتوں کا شیڈول بنانا [3]۔

پانی کی واپسی بمقابلہ پانی کی کھپت، وضاحت کی گئی 💡

• واپسی = دریاؤں، جھیلوں، یا آبی ذخائر سے لیا گیا پانی (کچھ واپس آیا)۔

• کھپت = پانی واپس نہیں آیا کیونکہ یہ بخارات بن جاتا ہے یا عمل/مصنوعات میں شامل ہوتا ہے۔

کولنگ ٹاورز بنیادی طور پر بخارات کے ذریعے پانی استعمال کرتے ہیں بجلی کی پیداوار پلانٹ اور کولنگ کے طریقہ کار پر منحصر ہے، بڑی مقدار (کبھی کبھی اس کا کچھ حصہ استعمال کرتی ہے) واپس لے ایک قابل اعتبار AI-واٹر نمبر لیبل جس کی یہ اطلاع دے رہا ہے [3]۔

AI میں پانی کہاں جاتا ہے: تین بالٹیاں 🪣

1. دائرہ کار 1 - سائٹ پر ٹھنڈک
   دکھائی دینے والا حصہ: ڈیٹا سینٹر میں ہی پانی بخارات بن جاتا ہے۔ evaporative بمقابلہ ہوا یا بند لوپ مائع جیسے ڈیزائن کے انتخاب بنیادی لائن کو متعین کرتے ہیں [5]۔

2. دائرہ کار 2 - بجلی کی پیداوار
   ہر کلو واٹ گھنٹہ پانی کا چھپا ہوا ٹیگ لے جا سکتا ہے۔ مکس اور مقام لیٹر فی کلو واٹ گھنٹہ کا تعین کرتا ہے کہ آپ کے کام کا بوجھ وراثت میں ملتا ہے [3]۔

3. دائرہ کار 3 - سپلائی چین
   چپ مینوفیکچرنگ فیبریکیشن میں انتہائی خالص پانی پر انحصار کرتی ہے۔ آپ اسے "فی پرامپٹ" میٹرک میں نہیں دیکھیں گے جب تک کہ باؤنڈری میں واضح طور پر مجسم اثرات شامل نہ ہوں (مثال کے طور پر، ایک مکمل LCA) [2][3]۔

نمبروں کے لحاظ سے فراہم کنندگان، باریک بینی کے ساتھ 🧮

• گوگل جیمنی
  فل اسٹیک سرونگ کا طریقہ بتاتا ہے (بشمول بیکار اور سہولت اوور ہیڈ)۔ میڈین ٹیکسٹ پرامپٹ ~0.26 ملی لیٹر پانی کے ساتھ ساتھ ~0.24 Wh توانائی؛ اعداد و شمار پیداواری ٹریفک اور جامع حدود کی عکاسی کرتے ہیں [1]۔

• Mistral Lar 2 لائف سائیکل
  ایک نایاب آزاد LCA (ADEME/Carbone 4 کے ساتھ) ~281,000 m³ + ابتدائی استعمال اور 400 ٹوکن اسسٹنٹ جواب کے لیے تخمینہ مارجنل ~45 mL

• مائیکروسافٹ کے زیرو واٹر کولنگ ایمبیشن
  نیکسٹ-جین ڈیٹا سینٹرز کو ٹھنڈا کرنے کے لیے صفر پانی استعمال کرنے ، ڈائریکٹ ٹو چپ اپروچز پر جھکاؤ؛ منتظم کے استعمال کو ابھی بھی کچھ پانی کی ضرورت ہوتی ہے [4]۔

• عام ڈیٹا سینٹر پیمانے پر
  بڑے آپریٹرز انفرادی سائٹس پر اوسطاً روزانہ سینکڑوں ہزار گیلن کی آب و ہوا اور ڈیزائن نمبروں کو اوپر یا نیچے دھکیلتے ہیں [5]۔

• پہلے کی تعلیمی بنیاد
  سیمنل "تھرسٹی AI" تجزیہ نے GPT کلاس ماڈلز کو تربیت دینے کے لیے لاکھوں لیٹر کا 10-50 درمیانے درجے کے جوابات تقریباً 500 mL بوتل کے برابر ہو سکتے ہیں - بہت زیادہ انحصار اس بات پر ہے کہ وہ کب/کہاں چلتی ہیں [3]۔

اندازے اتنے متفق کیوں ہیں 🤷

• مختلف حدود
  کچھ اعداد و شمار صرف آن سائٹ کولنگ کو ؛ دوسرے بجلی کا پانی ۔ LCAs چپ مینوفیکچرنگ کو ۔ سیب، سنتری، اور پھل کا ترکاریاں [2][3]۔

• مختلف ورک
  بوجھ بیچنگ، ہم آہنگی، اور تاخیر کے اہداف استعمال کو تبدیل کرتے ہیں [1][2]۔

• مختلف آب و ہوا اور گرڈ
  گرم، بنجر علاقے میں بخارات کی ٹھنڈک ≠ ٹھنڈی، نم میں ہوا/ مائع ٹھنڈک۔ گرڈ پانی کی شدت وسیع پیمانے پر مختلف ہوتی ہے [3]۔

• وینڈر کے طریقہ کار
  گوگل نے نظام بھر میں سرونگ کا طریقہ شائع کیا۔ Mistral نے ایک رسمی LCA شائع کیا۔ دوسرے ویرل طریقوں کے ساتھ نقطہ تخمینہ پیش کرتے ہیں۔ ایک ہائی پروفائل "چائے کے چمچ کا پندرہواں حصہ" فی فوری دعوی نے سرخیاں بنائیں - لیکن باؤنڈری تفصیل کے بغیر، اس کا موازنہ نہیں کیا جا سکتا [1][3]۔

• ایک متحرک ہدف
  کولنگ تیزی سے تیار ہو رہا ہے۔ مائیکروسافٹ بعض سائٹس پر پانی سے پاک کولنگ کا ان کو رول آؤٹ کرنے سے سائٹ پر پانی کم ہو جائے گا یہاں تک کہ اگر اوپر کی بجلی اب بھی پانی کا سگنل لے کر رہتی ہے [4]۔

AI کے واٹر فوٹ پرنٹ کو کم کرنے کے لیے آپ آج کیا کر سکتے ہیں 🌱

1. ماڈل کا دائیں سائز
   چھوٹا، ٹاسک ٹیونڈ ماڈل اکثر درستگی سے میل کھاتے ہیں جبکہ کم کمپیوٹ جلاتے ہیں۔ Mistral کی تشخیص مضبوط سائز سے لے کر پاؤں کے نشانات کے ارتباط کو واضح کرتی ہے - اور معمولی تخمینہ نمبر شائع کرتی ہے تاکہ آپ تجارت کے بارے میں استدلال کر سکیں [2]۔

2. پانی کے لحاظ سے علاقوں کا انتخاب کریں
   ٹھنڈی آب و ہوا، موثر ٹھنڈک، اور کم پانی کی شدت والے گرڈ فی کلو واٹ گھنٹہ والے علاقوں کو ترجیح دیں۔ "پیاسا AI" کام وقت کو ظاہر کرتا ہے- اور جگہ سے آگاہ شیڈولنگ میں مدد ملتی ہے [3]۔

3. کام کے بوجھ کو وقت پر شفٹ کریں
   پانی کی بچت کے اوقات (ٹھنڈی راتیں، گرڈ کے سازگار حالات) کے لیے ٹریننگ/بھاری بیچ کا تخمینہ طے کریں [3]۔

4. اپنے وینڈر سے شفاف میٹرکس
   طلب فی پرامپٹ پانی ، باؤنڈری کی تعریف، اور آیا نمبروں میں بیکار صلاحیت اور سہولت اوور ہیڈ شامل ہیں۔ پالیسی گروپس سیب سے سیب کا موازنہ ممکن بنانے کے لیے لازمی انکشاف پر زور دے رہے ہیں [3]۔

5. کولنگ ٹیک کے معاملات
   اگر آپ ہارڈویئر چلاتے ہیں تو کلوزڈ لوپ/ڈائریکٹ ٹو چپ کولنگ کا ؛ اگر آپ کلاؤڈ پر ہیں، تو پانی کی روشنی کے ڈیزائن [4][5]۔

6. گرے واٹر اور دوبارہ استعمال کے اختیارات استعمال کریں
   بہت سے کیمپس غیر پینے کے قابل ذرائع کو تبدیل کر سکتے ہیں یا لوپس کے اندر ری سائیکل کر سکتے ہیں۔ بڑے آپریٹرز خالص اثر کو کم کرنے کے لیے پانی کے ذرائع میں توازن اور ٹھنڈک کے انتخاب کی وضاحت کرتے ہیں [5]۔

اسے حقیقی بنانے کے لیے فوری مثال (عالمگیر اصول نہیں): گرمیوں کے وسط میں گرم، خشک علاقے سے رات بھر کی تربیتی کام کو موسم بہار میں ٹھنڈے، زیادہ مرطوب علاقے میں منتقل کرنا - اور اسے آف چوٹی، ٹھنڈے اوقات میں چلانا - سائٹ پر پانی کے استعمال اور آف سائٹ (گرڈ) پانی کی شدت دونوں کو بدل سکتا ہے۔ یہ اس قسم کا عملی، کم ڈرامہ جیت کا شیڈولنگ انلاک کر سکتا ہے [3]۔

موازنہ کی میز: AI کے واٹر ٹول کو کم کرنے کے لیے فوری انتخاب 🧰

("قیمت" ڈیزائن کے لحاظ سے اسکویشی ہے - تعیناتیاں مختلف ہوتی ہیں۔)

گہرا غوطہ: پالیسی کی ڈھول کی دھڑکن تیز ہو رہی ہے 🥁

انجینئرنگ باڈیز ڈیٹا سینٹر توانائی اور پانی کے لازمی انکشاف سفارشات میں دائرہ کار کی تعریفیں، سائٹ کی سطح کی رپورٹنگ، اور سائٹنگ گائیڈنس شامل ہیں - کیونکہ موازنہ، مقام سے آگاہ میٹرکس کے بغیر، ہم اندھیرے میں بحث کر رہے ہیں [3]۔

گہرا غوطہ: ڈیٹا سینٹرز سب ایک ہی طرح سے گھونٹ نہیں لیتے ہیں 🚰

ایک مستقل افسانہ ہے کہ "ایئر کولنگ پانی کا استعمال نہیں کرتا ہے۔" بالکل نہیں۔ ایئر ہیوی سسٹم کو اکثر زیادہ بجلی کی ، جو بہت سے علاقوں میں گرڈ سے چھپا ہوا پانی اس کے برعکس، پانی کی ٹھنڈک سائٹ پر موجود پانی کی قیمت پر بجلی اور اخراج کو کم کر سکتی ہے۔ بڑے آپریٹرز واضح طور پر ان ٹریڈ آفس کو سائٹ بہ سائٹ متوازن کرتے ہیں [1][5]۔

گہرا غوطہ: وائرل دعووں پر ایک فوری حقیقت کی جانچ 🧪

آپ نے دلیرانہ بیانات دیکھے ہوں گے کہ ایک پرامپٹ "پانی کی بوتل" کے برابر ہے، یا دوسرے سرے پر، "صرف چند قطرے"۔ بہتر کرنسی: ریاضی کے ساتھ عاجزی ۔ آج کے معتبر بک اینڈز مکمل سرونگ اوور ہیڈ کے ساتھ میڈین پروڈکشن پرامپٹ کے لیے ~ 0.26 mL 400 ٹوکن اسسٹنٹ جواب کے لیے ~ 45 mL بہت زیادہ مشترکہ "چائے کے چمچ کا پندرہواں حصہ" کے دعوے میں عوامی حدود/طریقہ کا فقدان ہے۔ شہر کے بغیر موسم کی پیشن گوئی کی طرح سلوک کریں [1][3]۔

Mini-FAQ: AI کتنا پانی استعمال کرتا ہے؟ دوبارہ، سادہ انگریزی میں 🗣️

• تو، میں ایک میٹنگ میں کیا کہوں؟
  "فی پرامپٹ، یہ ماڈل، لمبائی، اور یہ کہاں چلتا ہے اس پر منحصر ہے، قطروں سے لے کر چند گھونٹوں تک تربیت میں تالاب لگتے ہیں ، نہ کہ تالاب۔" پھر اوپر ایک یا دو مثالیں پیش کریں۔

• کیا AI منفرد طور پر خراب ہے؟
  یہ منفرد طور پر مرتکز : ہائی پاور چپس ایک ساتھ پیک کرکے ٹھنڈک کا بڑا بوجھ پیدا کرتی ہیں۔ لیکن ڈیٹا سینٹرز وہ بھی ہیں جہاں بہترین کارکردگی کی ٹیکنالوجی پہلے اترتی ہے [1][4]۔

• کیا ہوگا اگر ہم ہر چیز کو ایئر کولنگ میں منتقل کریں؟
  سائٹ پر پانی کاٹ سکتے ہیں بجلی کے ذریعے آف سائٹ نفیس آپریٹرز دونوں کا وزن کرتے ہیں [1][5]۔

• مستقبل کی ٹیکنالوجی کے بارے میں کیا خیال ہے؟
  ایسے ڈیزائن جو پانی کو ٹھنڈا کرنے سے گریز کرتے ہیں اسکوپ 1 کے لیے گیم چینجر ثابت ہوں گے۔ کچھ آپریٹرز اس طرح آگے بڑھ رہے ہیں۔ اپ اسٹریم بجلی اب بھی پانی کا سگنل رکھتی ہے جب تک کہ گرڈز تبدیل نہ ہوں [4]۔

حتمی ریمارکس - بہت طویل، میں نے اسے نہیں پڑھا 🌊

• فی پرامپٹ: ذیلی ملی لیٹر سے دسیوں ملی لیٹر تک سوچیں ، ماڈل، پرامپٹ کی لمبائی، اور یہ کہاں چلتا ہے۔ ایک بڑے اسٹیک پر میڈین پرامپٹ ~0.26 ایم ایل دوسرے [1][2] پر 400 ٹوکن جواب کے لیے ~45 mL

• ٹریننگ: لاکھوں لیٹر ، شیڈولنگ، سیٹنگ، اور کولنگ ٹیک کو اہم بنانا [3]۔

• کیا کرنا ہے: دائیں سائز کے ماڈل، پانی کے حساب سے علاقوں کا انتخاب کریں، بھاری ملازمتوں کو ٹھنڈے اوقات میں منتقل کریں، پانی کی روشنی والے ڈیزائن کو ثابت کرنے والے دکانداروں کو ترجیح دیں، اور شفاف حدود کا مطالبہ کریں [1][3][4][5]۔

ختم ہونے کے لیے تھوڑا سا ناقص استعارہ: AI ایک پیاسا آرکسٹرا ہے - راگ کمپیوٹ ہے، لیکن ڈرم ٹھنڈا اور گرڈ واٹر ہیں۔ بینڈ کو ٹیون کریں، اور سامعین اب بھی بغیر چھڑکاؤ کے موسیقی حاصل کرتے ہیں۔ 🎻💦

حوالہ جات

1. گوگل کلاؤڈ بلاگ - گوگل کی اے آئی کتنی توانائی استعمال کرتی ہے؟ ہم نے ریاضی کیا (طریقہ کار + ~ 0.26 mL میڈین پرامپٹ، مکمل سرونگ اوور ہیڈ)۔ لنک
   (تکنیکی پیپر پی ڈی ایف: گوگل پیمانے پر AI کی فراہمی کے ماحولیاتی اثرات کی پیمائش ۔) لنک

2. Mistral AI - AI کے لیے عالمی ماحولیاتی معیار میں ہماری شراکت (ADEME/Carbone 4 کے ساتھ LCA؛ ~281,000 m³ ٹریننگ + ابتدائی استعمال؛ ~45 mL فی 400 ٹوکن جواب، معمولی اندازہ)۔ لنک

3. لی وغیرہ۔ - AI کو کم "پیاسا" بنانا: AI ماڈلز کے خفیہ واٹر فوٹ پرنٹ کا پردہ فاش کرنا اور اس کا پتہ لگانا لاکھوں لیٹر کی تربیت ، وقت اور جگہ سے آگاہ شیڈولنگ، واپسی بمقابلہ کھپت)۔ لنک

4. مائیکروسافٹ - اگلی نسل کے ڈیٹا سینٹرز کولنگ کے لیے صفر پانی استعمال کرتے ہیں (بعض سائٹوں پر پانی سے پاک کولنگ کو نشانہ بنانے والے ڈائریکٹ ٹو چپ ڈیزائن)۔ لنک

5. گوگل ڈیٹا سینٹرز - پائیدار طریقے سے کام کر رہے ہیں (سائٹ بہ سائٹ کولنگ ٹریڈ آف؛ رپورٹنگ اور دوبارہ استعمال، بشمول دوبارہ دعوی شدہ/گرے واٹر؛ عام روزانہ سائٹ کی سطح کے استعمال کے آرڈرز)۔ لنک

آفیشل AI اسسٹنٹ اسٹور پر تازہ ترین AI تلاش کریں۔

ہمارے بارے میں