सेकंदाला 169 लिटर पाणी! AI मुळे भारतासमोर नवं जलसंकट?

कृत्रिम बुद्धिमत्ता (AI) आपल्या उपयोगांमधून अमर्याद शक्यता उलगडत असली, तरी तिचा पर्यावरणावर होणारा परिणाम शाश्वत वापर आणि अंमलबजावणी सुनिश्चित करण्यासाठी अधिक सखोल तपासणीची मागणी करतो. विविध अभ्यासांमधून दिसून आले आहे की AI डेटा सेंटरमुळे इलेक्ट्रॉनिक कचरा निर्माण होतो, मोठ्या प्रमाणावर पाण्याचा वापर होतो, महत्त्वाच्या खनिजांवर आणि दुर्मिळ घटकांवर अवलंबित्व वाढते, तसेच प्रचंड प्रमाणात वीज खर्च होते. यामुळे एक विरोधाभास निर्माण होतो: AI ची संगणकीय क्षमता उत्पादकता वाढवते आणि संसाधनांची बचत करते, पण त्याच वेळी ऊर्जा आणि पाण्याच्या वापरात घातांकीय वाढ घडवून आणते. उदाहरणार्थ, ChatGPT ला प्रशिक्षण देण्यासाठी 1.287 गिगावॅट–हॉवर्स इतकी वीज लागते, जी सुमारे 120 अमेरिकन कुटुंबांच्या वार्षिक वीज वापराइतकी आहे. दुसरीकडे, मोठ्या प्रमाणावरील डेटा सेंटर हे मोठे जलखर्ची घटक ठरतात, कारण त्यांच्या बांधकामाच्या टप्प्यात प्रचंड प्रमाणात पाण्याची गरज असते आणि कार्यान्वित झाल्यानंतर विद्युत घटक थंड ठेवण्यासाठीही मोठ्या प्रमाणावर पाणी वापरले जाते. 

आधीच पाण्याच्या ताणाखाली असलेल्या जगात, हे तडजोडीचे मुद्दे काळजीपूर्वक तपासणे आवश्यक आहे, कारण अनेक ठिकाणी डेटा सेंटरमुळे तंत्रज्ञान प्रगती आणि पर्यावरणीय शाश्वतता यांच्यात तणाव निर्माण झाला आहे. उदाहरणार्थ, चिलीने 2021 मध्ये आपली पहिली राष्ट्रीय कृत्रिम बुद्धिमत्ता धोरण (नॅशनल आर्टिफिशियल इंटेलिजन्स पॉलिसी) जाहीर केली आणि 2024 मध्ये त्याचे अद्ययावतीकरण केले. डिजिटलायझेशन आणि शाश्वततेशी संबंधित आव्हानांवर मात करण्यासाठी तंत्रज्ञानातील गुंतवणूक आकर्षित करून देशाला दक्षिण गोलार्धातील ‘जागतिक केंद्र’ बनवण्याचा त्याचा उद्देश होता. 2019 मध्ये, गुगलने चिलीतील सॅंटियागो शहराच्या सेरिल्योस (Cerrillos) नगरपालिकेत US$200 मिलियन गुंतवणुकीसह दुसरे डेटा सेंटर उभारण्याचा प्रस्ताव मांडला होता. या प्रकल्पात सर्व्हर थंड ठेवण्यासाठी प्रति सेकंद 169 लिटर्स पाणी उपसण्याची रचना करण्यात आली होती. मात्र, स्थानिक समुदायाने या प्रकल्पाला विरोध केला. यामुळे AI-आधारित पायाभूत सुविधांचा विस्तार कसा थेट दैनंदिन जीवनातील अनुभवांशी आणि दुष्काळ, भूजलाची घट तसेच दीर्घकालीन जल-विषमता यांसारख्या हवामान टोकाच्या परिस्थितींसाठी कारणीभूत ठरतो, हे स्पष्ट झाले.

संसाधन–विकास–समुदाय–शहर यांच्यातील हे तणाव अपघाती नसून, AI प्रणाली टिकवून ठेवणाऱ्या सामाजिक-तांत्रिक (सोशिओ-टेक्निकल) रचनेतच अंतर्भूत आहेत. ब्रुनो लॅटाऊर यांच्या मते AI परिसंस्था ही सर्व्हर, अल्गोरिदम, खनिजे, पाणी, कामगार, ऊर्जा ग्रीड्स आणि परिसंस्था यांचा एक संकरित समूह आहे, ज्यात हे सर्व घटक परस्पर सहनिर्मित करणारे घटक म्हणून कार्य करतात. त्यामुळे AI चा पर्यावरणावरील परिणाम हा दुय्यम परिणाम नसून, ते ज्या विविधांगी नेटवर्कला गतिमान करते त्याचे थेट प्रतिबिंब आहे. खरा प्रश्न असा आहे की AI ची वाढ आणि त्याची संसाधन-आवश्यकता यांना पृथ्वीच्या मर्यादा (प्लॅनेटरी बॉन्ड्रीस) आणि विद्यमान पर्यावरणीय संदर्भांशी कशी सुसंगत करता येईल. 

AI आणि पाण्याचा वापर

AI चा जल वापर (वॉटर फुटप्रिंट) मुख्यतः तीन क्षेत्रांपर्यंत विस्तारतो: i) डेटा सेंटरमध्ये प्रत्यक्ष ठिकाणी होणारे शीतकरण (कुलिंग), ii) वीज निर्मिती, आणि iii) सेमीकंडक्टर निर्मिती. साधारणपणे, वीज निर्मिती आणि त्यानंतरचे शीतकरण हे AI मुळे होणाऱ्या पाण्याच्या वापराचा सर्वात मोठा हिस्सा असतो.  11 आफ्रिकन देशांमध्ये Llama-3-70B आणि GPT-4 यांच्या जलवापराची तुलना करणाऱ्या एका अभ्यासात असे आढळले की Llama-3-70B वापरून 10 पानांचा अहवाल तयार करण्यासाठी सुमारे 0.6 लीटर पाणी लागते, तर तोच अहवाल GPT-4 वापरून तयार करण्यासाठी सुमारे 53 लीटर पाणी खर्च होते. जागतिक लोकसंख्येपैकी 33 टक्के लोक अजूनही ऑनलाइन नसल्याने, भविष्यात ही मागणी आणखी वाढण्याची शक्यता आहे. 

AI शी संबंधित पाण्याचा वापर ऋतू आणि दिवसाच्या वेळेनुसारही बदलतो. संशोधनातून असे दिसून आले आहे की शीतकरणाची म्हणजेच कुलिंगची गरज वाढल्यामुळे उन्हाळ्यात पाण्याचा वापर हिवाळ्याच्या तुलनेत 23 टक्के अधिक असतो. एकूणच, ही पाण्याची मागणी सातत्याने वाढत आहे. उदाहरणार्थ, गुगलच्या डेटा सेंटरने 2023 मध्ये 5.6 बिलियन गॅलन्स पाणी वापरले, जे 2022 च्या तुलनेत 24 टक्क्यांनी अधिक आहे. या डेटा सेंटरमध्ये 24/7 कार्यरत असलेले हजारो सर्व्हर असतात, जे प्रचंड उष्णता निर्माण करतात आणि योग्य कुलिंग न झाल्यास अतिउष्णतेमुळे निकामी होण्याचा धोका निर्माण होतो. 2022 मध्ये, युनायटेड किंगडममधील उष्णतेच्या लाटेदरम्यान शीतकरणाशी संबंधित अडचणींमुळे लंडनमधील गुगल आणि ओरॅकल ची डेटा सेंटर तात्पुरती बंद करावी लागली. दरम्यान, अमेझॉनकडे जगभरात 100 पेक्षा अधिक डेटा सेंटर आहेत, आणि प्रत्येक डेटा सेंटरमध्ये क्लाउड संगणन सेवा देण्यासाठी सुमारे 50,000 सर्व्हर कार्यरत आहेत. 

या पाण्याच्या मागणीचा आणि वापराचा प्रदेशनिहाय जल-भूगोलावर (वॉटर जिओग्राफी) कसा परिणाम होतो, हेही लक्षात घेणे महत्त्वाचे आहे, कारण पाण्याच्या कमतरतेच्या पातळीवर अवलंबून असलेल्या स्थानानुसार एका लिटर पाण्याचे मूल्य बदलते. खालील आकृती 1 दर्शवते की बहुतेक डेटा सेंटर हब्स आधीच पाणीटंचाई, दुष्काळ, पूर आणि घटत चाललेली जलगुणवत्ता अशा समस्यांना सामोरे जाणाऱ्या प्रदेशांमध्ये उभारले जात आहेत. उदाहरणार्थ, ईशान्य ब्राझीलमधील काउकाया (Caucaia) हे शहर पाणीटंचाईग्रस्त असतानाही, आंतरराष्ट्रीय समुद्राखालील डेटा केबल्सजवळील रणनीतिक स्थानामुळे तेथे तंत्रज्ञान कंपन्यांनी डेटा सेंटर स्थापन केली आहेत.

आकृती 1: पाणीटंचाईग्रस्त प्रदेशांमधील डेटा सेंटर

स्रोत: द गार्डियन

डिजिटलायझेशन, क्लाउडचा वाढता स्वीकार आणि डेटा सेंटर धोरण यांसारख्या उपक्रमांमुळे चालना मिळालेल्या भारतातील अपेक्षित डेटा सेंटर बांधकाम बूममुळे, आधीच पाणीटंचाईला सामोरे जाणाऱ्या देशातील मूलभूत पायाभूत सुविधांवर आणखी ताण येण्याची शक्यता आहे. मुंबई, चेन्नई आणि हैदराबादसारखी महानगरे आधीच हवामान असुरक्षितता, पाण्याची कमतरता आणि घरगुती व औद्योगिक पाण्याच्या स्पर्धात्मक मागण्यांशी झुंज देत आहेत. अशा संवेदनशील जल–पर्यावरणीय (हायड्रो-इकॉलॉजिकल) संदर्भांमध्ये पाण्याचा अतिवापर होणाऱ्या डिजिटल पायाभूत सुविधांचा विस्तार हा संरचनात्मक असमतोल दर्शवतो आणि डिजिटल परिवर्तनामुळे निर्माण होणाऱ्या पर्यावरणीय बाह्य परिणामांबाबत चिंता वाढवतो.

पुनर्वापराकडे जाणारे मार्ग

AI चे पर्यावरणावरील परिणाम (इकोलॉजिकल फुटप्रिंट) ओळखून, युरोपियन युनियन आणि युनायटेड स्टेट्स (US) यांनी या आव्हानांना सामोरे जाण्यासाठी काही कायदे व नियम लागू करण्यास सुरुवात केली आहे; तथापि, अशी धोरणे सध्या अपवादात्मकच आहेत, सर्वसाधारण नियम नाहीत. डेटा सेंटरमध्ये वापरल्या जाणाऱ्या पाण्यापैकी सुमारे 80 टक्के पाणी बाष्पीभवन होते, तर उर्वरित पाणी नगरपालिकेच्या सांडपाणी व्यवस्थेत सोडले जाते. त्यामुळे पाण्याचा पुनर्वापर करण्यासाठी आणि AI च्या जल-परिसंस्थेत चक्राकार पुनर्वापर अंतर्भूत करण्यासाठी मोठी संधी उपलब्ध होते, ज्यामुळे एकूण जल-वापर (वॉटर फुटप्रिंट) कमी करता येऊ शकतो.

अमेरिकेतील वॉशिंग्टन राज्यात, मायक्रोसॉफ्ट आणि क्विन्सी शहर प्रशासनाने एकत्र येऊन क्विन्सी वॉटर रीयूझ युटिलिटी उभारली आहे, जे डेटा सेंटरमधून टाकून दिलेले शीतकरणासाठीचे (कुलिंग) पाणी प्रक्रिया करून पुनर्वापरासाठी वापरते, आणि त्यामुळे पिण्याच्या पाण्याच्या स्रोतांवरील ताण कमी होतो. याच धर्तीवर, जॉर्जियातील डग्लस काउंटीमध्ये गुगल आपले डेटा सेंटर थंड ठेवण्यासाठी नगरपालिकेचे प्रक्रिया केलेले सांडपाणी वापरते. त्याचप्रमाणे, अमेझॉन वेब सर्व्हिस (AWS) ची 20 डेटा सेंटर शीतकरणासाठी प्रक्रिया केलेले सांडपाणी वापरतात, आणि 2030 पर्यंत अमेरिकेतील 120 पेक्षा अधिक ठिकाणी ही पद्धत विस्तारण्याची योजना आहे.

काही जागी, त्या ठिकाणीच म्हणजे साइटवरच पावसाचे पाणी साठवण्याच्या पद्धती कुलिंगच्या गरजा भागवण्यासाठी पूरक ठरू शकतात आणि त्याचबरोबर पावसाच्या पाण्याच्या निचऱ्यावर येणारा ताणही कमी करू शकतात. डेटा सेंटरमधून टाकून दिलेले शीतकरणाचे पाणी सिंचनासाठीही वापरता येऊ शकते. उदाहरणार्थ, मेटा ने अमेरिकेतील आयडाहो राज्यात जलपायाभूत सुविधांमध्ये गुंतवणूक केली असून, त्यामुळे वापरून झालेले शीतकरणाचे पाणी अन्नासाठी न वापरल्या जाणाऱ्या पिकांच्या सिंचनासाठी वापरले जाते.

त्याचप्रमाणे, डेन्मार्कमधील ओडन्से (Odense) डेटा सेंटर अप्रत्यक्ष बाष्पीभवन शीतकरण (इनडायरेक्ट इव्हपोरेटिव्ह कुलिंग) तंत्रज्ञानाद्वारे बाहेरील हवेला शीतकरणासाठी वापरते. उरलेली उष्णता स्थानिक वसाहती गरम करण्यासाठी वापरली जाते. सर्व्हर थंड केल्यानंतर तयार होणारी गरम हवा पाण्याच्या कॉइल्सद्वारे पाणी गरम करण्यासाठी वापरली जाते आणि ही प्रणाली जिल्ह्याच्या हीटिंग नेटवर्कशी जोडलेली आहे, ज्यामुळे स्थानिक समुदायापर्यंत उष्णता पोहोचते. या उष्णता पुनर्प्राप्ती (हिट रिकव्हरी) पायाभूत सुविधांची वार्षिक 100,000 MWh ऊर्जा पुनर्प्राप्त करण्याची क्षमता आहे, जी सुमारे 6,900 घरांना उब देण्यासाठी पुरेशी आहे.

ही उदाहरणे AI परिसंस्थेत पुनर्वापराचा समावेश करणे शक्य आणि आवश्यक असल्याचे स्पष्ट करतात. अभ्यासांनुसार, ज्या भागांत क्लोज्ड-लूप शीतकरण प्रणाली, सांडपाणी पुनर्वापर आणि पावसाचे पाणी साठवणे यांसारख्या पद्धती अमलात आणल्या जातात, तेथे 50–70 टक्क्यांपर्यंत गोड्या पाण्याची बचत शक्य आहे. सध्या अशा उपक्रमांचा मोठ्या प्रमाणावर अवलंब उच्च उत्पन्न असलेल्या प्रदेशांपुरता मर्यादित असला, तरी ते जागतिक पातळीवर विस्तार करण्याच्या शक्यता दाखवतात.

निष्कर्ष

आज पाणी, ऊर्जा आणि संगणन (कम्प्युटिंग) या एकमेकांशी घट्ट जोडलेल्या प्रणाली आहेत, त्या परस्परावलंबी, गतिशील आणि असुरक्षित आहेत. या गुंतागुंतीच्या वास्तवाचे प्रभावी शासन करण्यासाठी प्रणाली-आधारित दृष्टीकोन आवश्यक आहे. शाश्वतता सुनिश्चित करण्यासाठी पाणी आणि AI यांच्यातील नाते मूलत: परस्परपूरक म्हणून पाहिले गेले पाहिजे. एका बाजूला, अधिक अद्ययावत, चक्राकार पुनर्वापर आणि कार्यक्षम संसाधन-वापराद्वारे AI पायाभूत सुविधांचा जल वापर (वॉटर फुटप्रिंट) कमी करणे हे तडजोड न करता पूर्ण करावयाचे उद्दिष्ट आहे. दुसऱ्या बाजूला, जलसंकट आणि जल-शासनाशी संबंधित आव्हाने हाताळण्यासाठी AIच्या विश्लेषणात्मक आणि भविष्यवाणी क्षमतेचा डेटा-आधारित निर्णय प्रक्रियेत उपयोग केला गेला पाहिजे. तंत्रज्ञान प्रगती, पर्यावरणीय जबाबदारी आणि जलसंवर्धन यांचा समतोल साधणे ही अपरिहार्य गरज आहे, कारण ती आपल्या डिजिटल भविष्याशी अविभाज्यपणे जोडलेली आहे.

सोमा सरकार या ऑब्झर्व्हर रिसर्च फाउंडेशनच्या अर्बन स्टडीज प्रोग्राममध्ये असोसिएट फेलो आहेत.

• Artificial Intelligence
• India
• ai and water consumption
• ai data centers
• AI environmental impact
• Artificial intelligence
• data centers water consumption
• data centers water usage
• India
• national artificial intelligence policy

The views expressed above belong to the author(s). ORF research and analyses now available on Telegram! Click here to access our curated content — blogs, longforms and interviews.

PREV NEXT