গুগল এবং ওপেনএআই গত বছর জনসাধারণকে আশ্বস্ত করতে কাটিয়েছে যে একটি এআই কোয়েরি একটি ছোট টিভি ক্লিপের চেয়ে সবেমাত্র বেশি বিদ্যুৎ ব্যবহার করে। জলবায়ু বিজ্ঞানী জেকে হাউসফাদারের একটি নতুন রিয়েল-ওয়ার্ল্ড অডিট প্রস্তাব করে যে স্বায়ত্তশাসিত AI এজেন্টদের জন্য সত্যটি অনেক বেশি চিন্তাশীল: তারা একটি স্ট্যান্ডার্ড চ্যাট এক্সচেঞ্জের চেয়ে প্রায় প্রতি প্রম্পটে 600 গুণ বেশি শক্তি গ্রহণ করতে পারে। 8ই আগস্ট, 2026-এ প্রকাশিত ফলাফলগুলি দ্য ক্লাইমেট ব্রিঙ্ক-এর একটি বিশ্লেষণে AI-এর পরিবেশগত পদচিহ্ন সম্পর্কে প্রশ্নগুলিতে নতুন জরুরী যোগ করে কারণ শিল্প সর্বদা স্বায়ত্তশাসিত এজেন্টদের দিকে অগ্রসর হয়। শিল্পকে রূপদানকারী টেকসই বিতর্ক নিয়ে চলমান প্রতিবেদনের জন্য, আমাদের AI শিল্প কভারেজ অনুসরণ করুন।
বিগ টেকের শক্তির দাবির উপর একটি বাস্তবতা যাচাই
গত বছর, Google জানিয়েছে যে একটি মধ্যম জেমিনি টেক্সট প্রম্পট মাত্র 0.24 ওয়াট-ঘন্টা (Wh) বিদ্যুৎ ব্যবহার করে — টেলিভিশনের নয় সেকেন্ডেরও কম। ওপেনএআই সিইও স্যাম অল্টম্যান 2009 সাল থেকে Google অনুসন্ধানের সমতুল্য, মোটামুটি 0.34 Wh-এ গড় ChatGPT কোয়েরি অনুমান করে অনুরূপ চিত্র দিয়েছেন।
উভয় সংখ্যাই একটি সংকীর্ণ, সর্বোত্তম-কেস দৃশ্যকল্প বর্ণনা করে: কোনো বর্ধিত যুক্তি, কোনো ওয়েব অনুসন্ধান, কোনো মাল্টিমোডাল প্রসেসিং এবং কোনো লুপিং এজেন্ট আচরণ ছাড়াই একটি একক পাঠ্য বিনিময়। হাউসফাদার যেমন উল্লেখ করেছেন, তারা যুক্তিযুক্ত মডেলগুলির জন্য অ্যাকাউন্ট করে না যা প্রতি ক্যোয়ারীতে আরও অনেক টোকেন তৈরি করে, বহু-এজেন্ট সিস্টেম যা স্বায়ত্তশাসিতভাবে চলে, বা ক্যাসকেডিং প্রসঙ্গ যা এজেন্টরা প্রতিটি ধাপে পুনরায় পড়ে।
আট সপ্তাহ, 3.2 বিলিয়ন টোকেন
হাউসফাদার, একজন জলবায়ু বিজ্ঞানী, আট সপ্তাহ ধরে সূক্ষ্মভাবে বিস্তারিতভাবে অ্যানথ্রপিকের ক্লোড কোড কোডিং এজেন্টের নিজস্ব ব্যবহার ট্র্যাক করেছেন। যেহেতু ক্লাউড কোড প্রতিটি সেশনের সম্পূর্ণ স্থানীয় লগ সঞ্চয় করে, প্রতিটি মডেল কলের জন্য API দ্বারা রিপোর্ট করা সঠিক টোকেন গণনা সহ, সে একটি এজেন্ট আসলে কী দাবি করে তার একটি সুনির্দিষ্ট চিত্র পুনর্গঠন করতে পারে।
সংখ্যাগুলি আকর্ষণীয়। তার 1,138 টাইপ করা প্রম্পট 14,000 মডেল কল ট্রিগার করেছে — প্রতি প্রম্পটে গড়ে প্রায় বারোটি। প্রতিটি প্রম্পট গড়ে 2.9 মিলিয়ন টোকেন প্রক্রিয়া করেছে, একটি সাধারণ চ্যাট বিনিময়ের জন্য মোটামুটি এক হাজার টোকেনের তুলনায়। মোট, তার এজেন্ট এই সময়ের মধ্যে 3.2 বিলিয়ন টোকেন প্রক্রিয়া করেছে।
একটি আকর্ষণীয় বিশদ: মোটামুটি এই টোকেনগুলির 96 শতাংশ ক্যাশে রিড ছিল। 14,000টি ধাপের প্রতিটিতে, এজেন্ট পরবর্তী কী করতে হবে তা সিদ্ধান্ত নেওয়ার আগে তার পুরো জমাকৃত প্রসঙ্গটি পুনরায় পড়ে। হাউসফাদার যে টেক্সটটি আসলে স্ক্রিনে দেখেন — মডেলের আউটপুট — প্রক্রিয়া করা সমস্ত টোকেনের মাত্র 0.4 শতাংশ। লুকানো গণনামূলক খরচ প্রায় পুরোটাই পর্দার আড়ালে ঘটে।
টোকেনকে বিদ্যুতে অনুবাদ করা
যেহেতু বাইরের কোনো পক্ষই একটি সীমান্ত মডেলের জন্য টোকেন প্রতি সঠিক শক্তি খরচ জানে না, তাই Hausfather তার টোকেন গণনাগুলিকে বিভিন্ন অনুমান সহ তিনটি স্বাধীন অনুমান পদ্ধতি ব্যবহার করে বিদ্যুতের মানগুলিতে রূপান্তরিত করেছেন। তার সর্বোত্তম অনুমানটি 70 থেকে 330 kWh এর অনিশ্চয়তার পরিসরের সাথে, আট সপ্তাহে ডেটা সেন্টার বিদ্যুতের মোট খরচ প্রায় 170 কিলোওয়াট-ঘন্টা (kWh) রাখে।
প্রতি প্রম্পটে, এটি মোটামুটি 150 Wh-এ কাজ করে - একটি মিডিয়ান চ্যাট প্রম্পটের শক্তির প্রায় 600 গুণ। তার মধ্যবর্তী ক্লড কোড সেশনটি প্রায় 0.6 kWh ব্যবহার করেছে, একটি স্মার্টফোন চার্জ করার জন্য প্রয়োজনীয় বিদ্যুতের প্রায় পঞ্চাশ গুণ। গড়ে দিনে, তার এজেন্টের ব্যবহার 3.0 kWh (1.2 থেকে 5.9 kWh পর্যন্ত) হিট, দুটি পরিবারের রেফ্রিজারেটরের দৈনিক ড্রয়ের চেয়ে বেশি।
তার সবচেয়ে নিবিড় দিন — যখন বেশ কিছু সমান্তরাল এজেন্ট একটি বিস্তৃত জিওডাটা বিশ্লেষণ চালিয়েছিল — আনুমানিক 11 kWh খরচ করেছিল, যা মার্কিন যুক্তরাষ্ট্রের একটি গড় পরিবারের দৈনিক বিদ্যুৎ ব্যবহারের এক তৃতীয়াংশেরও বেশি।
এজেন্ট ব্যবহারের এক বছরের জন্য এর অর্থ কী
পুরো এক বছরে, হাউসফাদারের এজেন্ট-ভিত্তিক ওয়ার্কফ্লো মোটামুটি 1.1 মেগাওয়াট-ঘণ্টা (MWh) ডেটা সেন্টার বিদ্যুৎ খরচ করবে, যার পরিসর 0.4 থেকে 2.2 MWh - একটি গড় মার্কিন পরিবার বার্ষিক যা ব্যবহার করে তার প্রায় এক দশমাংশ। গড় মার্কিন বিদ্যুতের মিশ্রণের উপর ভিত্তি করে, যা প্রতি বছর প্রায় 370 কিলোগ্রাম CO2-সমতুল্য নির্গমন করে।
প্রেক্ষাপটে, এটি এক বছরের জন্য বৈদ্যুতিক কাপড়ের ড্রায়ার চালানোর চেয়েও বেশি (প্রায় 262 কেজি) এবং সান ফ্রান্সিসকো থেকে নিউ ইয়র্ক (প্রায় 700 কেজি) রাউন্ড-ট্রিপ ইকোনমি ফ্লাইটের প্রায় অর্ধেক সরাসরি নির্গমন। হাউসফাদার নোট করেছেন যে এটি একটি সাধারণ মার্কিন গ্যাস-চালিত গাড়ির বার্ষিক নির্গমনের প্রায় আট শতাংশ এবং আমেরিকানদের বার্ষিক কার্বন পদচিহ্নের প্রায় দুই শতাংশ।
"এটি একই সাথে একটি বৃহৎ নির্গমন উৎস এবং আমার মোট কার্বন পদচিহ্নের একটি অপেক্ষাকৃত শালীন অংশ," তিনি লিখেছেন।
আসল লিভার: ক্লিন পাওয়ার এবং স্মার্ট রাউটিং
হাউসফাদার সতর্কতা অবলম্বন করেন যে বিষয়টিকে ব্যক্তিগত অপরাধবোধের চারপাশে ফ্রেম না করার জন্য। ভারী ব্যবহারকারীদের ছোট গোষ্ঠীর দ্বারা সংযম "কোনও বক্ররেখা বাঁকবে না," তিনি যুক্তি দেন। পরিবর্তে, তিনি দুটি কাঠামোগত লিভার হাইলাইট করেন।
প্রথমত, ছোট মডেলগুলিতে সহজ কাজগুলি রাউটিং করা একটি অর্থপূর্ণ পার্থক্য করে। ছোট মডেলগুলি সীমান্ত মডেলের তুলনায় মোটামুটি টোকেন প্রতি পাঁচ থেকে সাত গুণ কম শক্তি ব্যবহার করে। দ্বিতীয় - এবং সবচেয়ে গুরুত্বপূর্ণ - বিদ্যুতের কার্বন তীব্রতা নিজেই প্রভাবশালী ফ্যাক্টর। একই কাজের চাপ যদি বহুলাংশে পরিষ্কার শক্তিতে চলে, তাহলে কার্বন পদচিহ্ন মোটামুটি 90 শতাংশ কমে যাবে।
সমস্যা হল বুমের পিছনে জ্বালানী। হাউসফাদারের মতে, প্রায় ইউএস ডেটা সেন্টারের জন্য পরিকল্পিত অন-সাইট পাওয়ার জেনারেশনের তিন-চতুর্থাংশ প্রাকৃতিক গ্যাসে চলে, যার অর্থ AI কম্পিউটিং-এর দ্রুত সম্প্রসারণ জীবাশ্ম জ্বালানি দ্বারা বৃহৎ অংশে আন্ডাররাইট করা হচ্ছে।
এজেন্ট স্কেল হিসাবে একটি সতর্কতা
হাউসফাদারের অনুমান, যুক্তিসঙ্গত হলেও, অনুমান রয়ে গেছে — এবং তারা বর্তমান ব্যবহারের ধরণগুলিকে প্রতিফলিত করে। এআই ল্যাবগুলি ইতিমধ্যেই এজেন্ট-ভিত্তিক সিস্টেমগুলি স্থাপন করার জন্য দৌড়াচ্ছে যা দিন, সপ্তাহ বা এমনকি মাস ধরে স্বায়ত্তশাসিতভাবে চলে। যদি সেই দৃষ্টিভঙ্গি বাস্তবায়িত হয়, তবে "ব্যবহারকারী" প্রতি শক্তি খরচ এখনও অনেক উপরে উঠতে পারে।
তার কেন্দ্রীয় বার্তা হল যে প্রতি-কোয়েরি পরিসংখ্যান গুগল এবং ওপেনএআই প্রকাশ করেছে যে প্রযুক্তিটি কীভাবে বিকশিত হচ্ছে তার বাস্তবতাকে বিকৃত করে। হাউসফাদার লিখেছেন, "একটি 'প্রম্পট' শেষ পর্যন্ত AI এর একটি ইউনিট নয় যেটি 'ট্রিপ' ড্রাইভিং এর পরিমাপের চেয়ে বেশি ব্যবহার করে; আপনি কতদূর যান সেটাই গুরুত্বপূর্ণ," হাউসফাদার লিখেছেন।
এআই থেকে এগিয়ে থাকুন
যেহেতু স্বায়ত্তশাসিত এজেন্টরা নতুনত্ব থেকে ডিফল্ট অবকাঠামোতে চলে যায়, তাদের লুকানো শক্তি বিল উপেক্ষা করা কঠিন হয়ে উঠবে। AI গবেষণা, স্থায়িত্ব এবং ক্ষেত্র গঠনকারী সংস্থাগুলির উপর ক্রমাগত, সত্য-পরিচিত প্রতিবেদনের জন্য, আমাদের হোমপেজ বুকমার্ক করুন এবং আরও AI খবর পড়ুন → https://aibuzzwire.news এ।
