اوپن اے آئی کے سی ای او سیم آلٹ مین نے عوامی طور پر کہا کہ ایک اوسط ChatGPT استفسار استعمال کرتا ہے۔ ≈0.000085 گیلن پانی (کے بارے میں 0.32 ملی لیٹر، تقریبا ایک چائے کے چمچ کا پندرہواں حصہ) اور ≈0.34 واٹ گھنٹے بجلی کی فی سوال اس فی سوال کا اعداد و شمار، جب پیمانے پر ضرب کیا جاتا ہے، تو معنی خیز ہو جاتا ہے لیکن یہ دعویٰ کی گئی کئی سابقہ الارمسٹ سرخیوں سے کہیں چھوٹا رہتا ہے۔ فراہم آپ فی استفسار توانائی اور ChatGPT کی خدمت کرنے والے ڈیٹا سینٹرز کے پانی کے استعمال کی کارکردگی کے بارے میں Altman کے مفروضوں کو قبول کرتے ہیں۔ مختلف مفروضوں (خاص طور پر مختلف پانی کے استعمال کی تاثیر، WUE، اقدار) کا استعمال کرتے ہوئے آزادانہ تجزیے ایسے اعداد پیدا کرتے ہیں جو کئی گنا زیادہ یا کم ہو سکتے ہیں۔
ایک ChatGPT استفسار دراصل کتنا پانی استعمال کرتا ہے؟
OpenAI (اور اس کے سی ای او) نے کیا کہا ہے۔
عوامی تبصروں میں، OpenAI کے سی ای او اور ترجمان نے فی سوال پانی کا ایک بہت چھوٹا اعداد و شمار پیش کیا ہے: تقریباً 0.32 ملی لیٹر فی استفسار، جو تقریبا میں تبدیل ہوتا ہے۔ 0.000085 گیلن (≈8.45×10⁻⁵ gal)۔ یہ فی استفسار ایک چائے کے چمچ پانی کا تقریباً پندرہواں حصہ ہے اور یہ وہ اعداد و شمار ہوتا ہے جس کا اکثر حوالہ دیا جاتا ہے جب کمپنیاں انفرادی تعاملات کے چھوٹے معمولی اثر کو ظاہر کرنے کی کوشش کرتی ہیں۔
آزاد اندازے کیوں مختلف ہوتے ہیں۔
آزاد محققین اور این جی اوز ایک مختلف طریقہ استعمال کرتے ہیں: وہ فی استفسار استعمال ہونے والی برقی توانائی کا تخمینہ لگاتے ہیں، پھر ایک سے ضرب لگاتے ہیں۔ پانی کی شدت پانی فی استفسار نمبر حاصل کرنے کے لیے (بجلی کے فی یونٹ استعمال شدہ پانی)۔ ان پٹ کے دو عام ٹکڑے ہیں:
- توانائی فی استفسار۔ کئی تکنیکی تخمینوں نے ChatGPT طرز کے جوابات کے پڑوس میں ڈالے۔ 2–4 واٹ گھنٹے (Wh) فی استفسار (2.9 Wh عام طور پر حوالہ دیا گیا مرکزی تخمینہ ہے)۔ یعنی 0.0029 کلو واٹ فی سوال
- پانی کی شدت (WUE/پانی فی کلو واٹ)۔ ڈیٹا سینٹر میٹرکس ڈیزائن اور علاقے کے لحاظ سے مختلف ہوتے ہیں۔ اکثر حوالہ دیا جانے والا "انڈسٹری اوسط" پانی کے استعمال کی تاثیر (WUE) کے بارے میں ہے 1.8 لیٹر فی کلو واٹ (≈0.475 گیلن فی کلو واٹ) — لیکن پیمائش شدہ قدریں وسیع پیمانے پر ہوتی ہیں (کلوزڈ لوپ ایئر سسٹمز کے لیے صفر کے قریب سے لے کر بخارات کے نظام کے لیے کئی لیٹر فی کلو واٹ تک جب اسے استعمال یا واپسی کے طور پر رپورٹ کیا جاتا ہے)۔
ان کو اکٹھا کرنے سے سیدھی سیدھی تبدیلی ملتی ہے:
- کا استعمال کرتے ہوئے 2.9 Wh/ استفسار (0.0029 kWh) اور 1.8 ایل/کلو واٹ → 0.00522 L/استفسار = 5.22 ملی لیٹر ≈ 0.00138 گیلن فی سوال
وہ توانائی پر مبنی تخمینہ (~5 ملی لیٹر / 0.0014 گیل) ہے۔ اوپن اے آئی کے فی استفسار کے اعداد و شمار سے بڑی شدت کا آرڈر (0.32 ملی لیٹر)۔ توانائی فی استفسار کے بارے میں مختلف مفروضے، WUE، چاہے بجلی کی پیداوار سے بالواسطہ پانی شامل کیا جائے، اور ماڈل کا کون سا حصہ (ٹریننگ بمقابلہ تخمینہ) آپ "ایک استفسار" کے لیے مختص کرتے ہیں زیادہ تر فرق کی وضاحت کرتے ہیں۔ رینجز اور حساسیت کے تجزیہ کے لیے نیچے دیکھیں۔
ڈیٹا سینٹر کولنگ سسٹم بجلی کو پانی کے استعمال میں کیسے ترجمہ کرتے ہیں؟
"پانی کے استعمال" کا کیا مطلب ہے: کھپت بمقابلہ واپسی
فقرہ "ڈیٹا سینٹر کے ذریعہ استعمال ہونے والا پانی" کا مطلب مختلف چیزیں ہو سکتی ہیں:
- سائٹ پر کھپت (بخار شدہ): وہ پانی جو کولنگ ٹاورز/اڈیبیٹک سسٹمز میں بخارات بن جاتا ہے اور مقامی آبی ذخائر میں واپس نہیں جاتا۔ یہ عام طور پر مقامی پانی کے دباؤ کے لیے سب سے زیادہ نتیجہ خیز ہوتا ہے۔
- واپسی: پانی ایک ذریعہ سے لیا گیا (دریا، جھیل، ایکویفر) اور بعد میں واپس آیا (ممکنہ طور پر گرم یا کیمیائی علاج کیا گیا)۔ واپسی بڑی ہو سکتی ہے یہاں تک کہ جہاں کھپت کم ہو۔
- بالواسطہ پانی (بجلی میں سرایت): پانی بجلی پیدا کرنے کے لیے استعمال ہوتا ہے جو ڈیٹا سینٹر کو طاقت دیتا ہے (تھرمو الیکٹرک پلانٹس، ہائیڈرو پاور، وغیرہ)۔ بہت سے لائف سائیکل اسٹڈیز اس میں اضافہ کرتی ہیں۔
رپورٹس اور ریگولیٹرز ان میٹرکس کے مختلف مجموعے استعمال کرتے ہیں۔ ایک آپریشنل، مقامی طور پر معنی خیز اشارے کے لیے، WUE (آئی ٹی توانائی کے فی کلو واٹ گھنٹہ میں استعمال ہونے والا لیٹر) بڑے پیمانے پر استعمال ہوتا ہے۔ لائف سائیکل اور پالیسی مباحثوں کے لیے، بجلی کی پیداوار سے بالواسطہ پانی اکثر شامل کیا جاتا ہے۔
کولنگ ٹیکنالوجیز اور پانی کی شدت
کولنگ اپروچ اہم ہے:
- ایئر ٹھنڈا / بند لوپ ٹھنڈا پانی سسٹمز ہو سکتے ہیں۔ بہت کم سائٹ پر پانی کی کھپت (صفر WUE کے قریب) لیکن زیادہ برقی توانائی کا استعمال اور بجلی میں زیادہ مجسم پانی۔
- بخارات کی ٹھنڈک / کولنگ ٹاورز (عام جہاں بجلی کی لاگت یا کارکردگی ڈرائیو کے انتخاب) ڈیزائن کے مطابق پانی استعمال کرتے ہیں؛ بڑی سہولیات کو استعمال کرنے کے لیے دستاویزی کیا گیا ہے۔ فی دن لاکھوں گیلن گرم، خشک علاقوں میں.
ایک سخت جائزہ (فطرت/npj صاف پانی) نے دستاویز کیا کہ استعمال کی قدریں وسیع پیمانے پر مختلف ہوتی ہیں — قریب صفر سے 4.4 لیٹر فی کلو واٹ ڈیزائن اور آب و ہوا کے لحاظ سے (اور انخلا جو بڑے پیمانے پر آرڈرز ہو سکتے ہیں)۔ یہ تغیر بنیادی وجہ ہے فی سوال پانی کے نمبر دو سے زیادہ آرڈرز پر محیط ہیں۔
ChatGPT پیمانے پر کتنے گیلن فی دن/سال استعمال کرتا ہے؟
منظر نامہ ریاضی - شفاف مفروضے۔
آئیے تین منظرناموں کی گنتی کرتے ہیں۔ ایک ChatGPT استفسار عام طور پر حوالہ کردہ ان پٹس کا استعمال کرتے ہوئے کریں، اور پھر فرضی استفسار کے حجم کو فرض کرتے ہوئے روزانہ کے کل تک پیمانہ کریں۔
آدانوں
- توانائی فی استفسار: 2.9 وی = 0.0029 کلو واٹ (مرکزی تخمینہ)
- پانی کی شدت (تین صورتیں):
- کم WUE: 0.2 L/kWh (بہت پانی کی بچت، بند نظام)۔
- صنعت کی اوسط WUE: 1.8 L/kWh (بڑے پیمانے پر استعمال شدہ بینچ مارک)۔
- ہائی WUE: 4.4 L/kWh (ادب میں اوپری حد کا مشاہدہ)
فی سوال کے نتائج (لیٹر اور گیلن):
- کم WUE (0.2 L/kWh): 0.0029 × 0.2 = 0.00058 L = 0.58 ملی لیٹر ≈ 0.000153 لڑکی.
- اوسط WUE (1.8 L/kWh): 0.0029 × 1.8 = 0.00522 L = 5.22 ملی لیٹر ≈ 0.00138 لڑکی.
- ہائی WUE (4.4 L/kWh): 0.0029 × 4.4 = 0.01276 L = 12.76 ملی لیٹر ≈ 0.00337 لڑکی.
(تبادلوں: 1 L = 1000 ml؛ 1 L = 0.264172 gal.)
اسکیل کردہ مثال (اگر ChatGPT روزانہ 1 بلین سوالات ہینڈل کرتا ہے):
- کم WUE: 0.58 ml × 1e9 ≈ 580,000 لیٹر فی دن ≈ 153,000 گیلن فی دن.
- اوسط WUE: 5.22 ml × 1e9 ≈ 5.22 ملین لیٹر فی دن ≈ 1.38 ملین گیلن فی دن.
- ہائی WUE: 12.76 ml × 1e9 ≈ 12.76 ملین لیٹر فی دن ≈ 3.37 ملین گیلن فی دن.
یہ قابل فہم مثالی نمبر ہیں - وہ اس کا مظاہرہ کرتے ہیں۔ پانی کا مجموعی استعمال اس وقت بھی معنی خیز ہو سکتا ہے جب فی سوال نمبر چھوٹے ہوں۔. حالیہ رپورٹنگ سے پتہ چلتا ہے کہ ہائپر اسکیل سہولیات کے جھرمٹ پہلے ہی استعمال کر رہے ہیں۔ لاکھوں سے اربوں گیلن سالانہ کچھ علاقوں میں
تربیت بمقابلہ قیاس کیوں اہمیت رکھتا ہے۔
دو اضافی کوالیفائرز ضروری ہیں:
- ٹریننگ ماڈلز (ماڈل بنانے کا یک طرفہ عمل) بہت زیادہ توانائی کا استعمال کرتا ہے اور اس وجہ سے اس میں پانی کا ایک بڑا اثر ہوسکتا ہے - لیکن اس کی کھپت کو مستقبل کے بہت سے استفسارات کے لیے ختم کردیا جاتا ہے۔ تربیت کے تخمینے ماڈل کے لیے مخصوص ہوتے ہیں اور اکثر فی استفسار قیاس کے نشانات سے کہیں زیادہ بڑے ہوتے ہیں۔
- ارادہ (روزمرہ کے جوابات جو صارفین دیکھتے ہیں) بار بار چلنے والی لاگت اور اوپر فی سوال کے حسابات کا فوکس ہے۔
واضح تخصیص کے بغیر تربیت اور تخمینہ کو ملانے والی رپورٹنگ فی سوال کے نشانات کو بڑھاوا دے گی۔ اس کے برعکس، تربیت کو نظر انداز کرنا ماڈل کے تاحیات نقش کو کم کرتا ہے۔ آزاد تجزیہ احتیاط سے بتاتا ہے کہ ان میں کیا شامل ہے۔
ایک بڑے ماڈل (جیسے GPT-3/4) کی تربیت میں کتنا پانی استعمال ہوتا ہے؟
بڑے ٹرانسفارمر ماڈلز کو تربیت دینا انفرادی اشارے کا جواب دینے سے کہیں زیادہ پانی سے بھرپور، یک طرفہ سرگرمی ہے۔ لی ایٹ ال کے ذریعہ ایک قابل ذکر، ہم مرتبہ جائزہ/پری پرنٹ تجزیہ۔ (2023) نے اندازہ لگایا ہے۔ GPT-3 کی تربیت امریکی ہائپر اسکیل ڈیٹا سینٹرز میں براہ راست ~700,000 لیٹر بخارات بنتے ہیں۔ میٹھے پانی کا (≈ ~ 185,000 گیلن) ٹریننگ رن کے دوران — اور انہوں نے AI سے متعلقہ پانی کے انخلاء کا تخمینہ 2020 کی دہائی کے وسط تک بلین کیوبک میٹر میں لگایا اگر رجحانات جاری رہے۔ اس مثال سے پتہ چلتا ہے کہ تربیت مکمل پانی کی شرائط میں کئی مہینوں کے آپریشنل رن ٹائم کا مقابلہ کر سکتی ہے۔ arxiv
ٹریننگ کی پانی کی شدت طویل، مسلسل اعلیٰ استعمال سے ہوتی ہے جو کہ کولنگ سسٹمز کے ساتھ مل کر گھنے GPU کلسٹرز پر چلتی ہے جو کہ ڈیزائن پر منحصر ہے - پانی کے اہم استعمال پر انحصار کرتے ہیں۔ تربیت ایپیسوڈک ہے لیکن بڑی ہے۔ تخمینہ لگاتار ہے لیکن فی یونٹ چھوٹا ہے۔ وہ ایک ساتھ مل کر ماڈل کی زندگی بھر کے پانی کے نشان کا تعین کرتے ہیں۔
تربیت کی اتنی پیاس کیوں ہے؟
- دورانیہ اور شدت: تقریباً زیادہ سے زیادہ بجلی کے استعمال پر تربیتی دوڑ دن سے ہفتوں تک چل سکتی ہے۔
- زیادہ گرمی کا بہاؤ: GPUs اور پیکیجنگ مرتکز حرارت پیدا کرتی ہے، جس کے لیے اکثر موثر (اور بعض اوقات پانی کی مدد سے) کولنگ کی ضرورت ہوتی ہے۔
- پیمانہ: جدید ترین ماڈلز کی تربیت کے لیے کلسٹرڈ ریک میں ہزاروں GPUs کی ضرورت ہو سکتی ہے۔
- علاقائی پابندیاں: پانی کی کمی والے علاقے میں بخارات کی ٹھنڈک کا استعمال کرتے ہوئے وہی تربیتی جھرمٹ مقامی پانی کے تناؤ کے لیے ٹھنڈی آب و ہوا میں خشک چِلرز کے ذریعے ٹھنڈا ہونے والے کلسٹر سے کہیں زیادہ بدتر ہے۔
کون سی حالیہ خبریں ChatGPT کے واٹر فوٹ پرنٹ کو متاثر کرتی ہیں؟
OpenAI کے بنیادی ڈھانچے کی توسیع اور مقام کے انتخاب
حالیہ رپورٹنگ سے پتہ چلتا ہے کہ OpenAI بڑے بنیادی ڈھانچے کے منصوبوں پر عمل پیرا ہے، بشمول ارجنٹائن میں ڈیٹا سینٹر کے ایک بڑے پروجیکٹ کے لیے ایک ہائی پروفائل لیٹر آف انٹنٹ - ایک ایسی ترقی جو، اگر بنایا گیا تو، ایک خطے میں کافی کمپیوٹ مرکوز کرے گا اور علاقائی پانی/توانائی کی حرکیات کو تبدیل کرے گا۔ مقام کے معاملات: ساحلی یا مرطوب علاقے، ری سائیکل شدہ پانی تک رسائی، اور مقامی ضابطے سبھی WUE کو تشکیل دیتے ہیں۔
صنعت زیریں پانی کے ڈیزائن کی طرف بڑھ رہی ہے۔
بڑے کلاؤڈ فراہم کرنے والے کام کر رہے ہیں۔ پانی کی بچت ڈیٹا سینٹر کے ڈیزائن: مائیکروسافٹ نے اگلی نسل کے ڈیزائن کے بارے میں منصوبے اور کیس اسٹڈیز شائع کی ہیں جن کے ساتھ AI کام کا بوجھ چل سکتا ہے۔ سائٹ پر بخارات کا پانی تقریبا صفر ہے۔ چپ لیول کولنگ اور دیگر ایجادات کو اپنا کر (2024-2025 میں اعلان کیا گیا)۔ اگر وسیع پیمانے پر اپنایا جائے تو یہ انجینئرنگ کے راستے وقت کے ساتھ ساتھ فی سوال پانی کے نشان کو مادی طور پر کم کر سکتے ہیں۔
نتیجہ
"کتنے گیلن" سوال دھوکہ دہی سے آسان ہے۔ فی سوال نمبر جیسے 0.000085 گیلن حوصلہ افزا طور پر چھوٹا ہے اور یہ بات چیت کرنے میں مدد کرتا ہے کہ جدید کلاؤڈ سروسز توانائی اور پانی کو بہتر بناتی ہیں — لیکن یہ صرف ایک ٹکڑا پہیلی کی. بڑی کہانی مجموعی کھپت، تربیت کے طویل دم کے اثرات، اور جہاں بڑی سہولیات موجود ہیں کے بارے میں ہے۔ آزاد تحقیق (Li et al.)، گورنمنٹ لیب رپورٹنگ (LBNL)، اور حالیہ انڈسٹری کمنٹری (Altman) سب ایک ہی عملی نتیجے پر اکٹھے ہیں: AI کے پانی کے نشانات کو منظم کیا جا سکتا ہے - لیکن صرف بہتر شفافیت، ٹھنڈک کے بہتر انتخاب، ماڈل ڈیزائن میں افادیت، اور مقامی پانی کے وسائل کی حفاظت کے لیے پالیسی کی ترتیب کے ساتھ۔
شروع کرنے کے لیے، ChatGPT ماڈل کو دریافت کریں جیسے GPT-5 پرو میں کی صلاحیتیں کھیل کے میدان اور مشورہ کریں API گائیڈ تفصیلی ہدایات کے لیے۔ رسائی کرنے سے پہلے، براہ کرم یقینی بنائیں کہ آپ نے CometAPI میں لاگ ان کیا ہے اور API کلید حاصل کر لی ہے۔ CometAPI آپ کو انضمام میں مدد کے لیے سرکاری قیمت سے کہیں کم قیمت پیش کریں۔
جانے کے لیے تیار ہیں؟→ CometAPI کے لیے آج ہی سائن اپ کریں۔ !