ఆర్టిఫిషియల్ ఇంటెలిజెన్స్.. ఇప్పుడు మన రోజువారీ జీవితంలో భాగమైపోయింది. ప్రశ్నలకు సమాధానాలు తెలుసుకోవడం నుంచి ఫొటోలు, వీడియోలు, కథనాలు, కోడింగ్ వరకు ఎన్నో పనులకు ప్రజలు AI టూల్స్ను ఉపయోగిస్తున్నారు. అయితే AI వినియోగం వెనుక కనిపించని మరో ఖర్చు కూడా ఉందని పర్యావరణ నిపుణులు హెచ్చరిస్తున్నారు. అదే నీటి వినియోగం. AI సేవలను నడిపించే డేటా సెంటర్లలో సర్వర్లను చల్లబరచడానికి పెద్ద మొత్తంలో నీరు అవసరం అవుతోంది.
AIకి నీరు ఎందుకు అవసరం?
AI మనకు కేవలం మొబైల్ లేదా కంప్యూటర్ స్క్రీన్పై కనిపించినప్పటికీ.. దాని వెనుక భారీ డేటా సెంటర్లు పనిచేస్తుంటాయి. వేలాది సర్వర్లు నిరంతరం పనిచేయడంతో విపరీతమైన వేడి ఉత్పత్తి అవుతుంది. ఈ వేడిని నియంత్రించేందుకు డేటా సెంటర్లలో వివిధ రకాల కూలింగ్ వ్యవస్థలను ఉపయోగిస్తారు.
కొన్ని కూలింగ్ విధానాల్లో నీటిని ఉపయోగిస్తారు. ముఖ్యంగా evaporative cooling వ్యవస్థల్లో వేడిని తగ్గించే ప్రక్రియలో కొంత నీరు ఆవిరిగా మారుతుంది. దీంతో AI సేవలు పెరిగే కొద్దీ వాటి వెనుక ఉన్న నీటి అవసరం కూడా పెరిగే అవకాశం ఉంది.
భారత్లో ఎంత నీరు ఖర్చవుతోంది?
భారత్లో డేటా సెంటర్ల విస్తరణ వేగంగా జరుగుతోంది. ప్రభుత్వ సమాచారం ప్రకారం దేశంలోని డేటా సెంటర్ సామర్థ్యం 2020లో సుమారు 375 మెగావాట్ల నుంచి 2025 నాటికి దాదాపు 1,500 మెగావాట్లకు పెరిగింది. AI కంప్యూటింగ్ అవసరాలు పెరుగుతున్న నేపథ్యంలో ఈ రంగం మరింత విస్తరించే అవకాశం ఉంది.
ఇదే సమయంలో కొన్ని తాజా అంచనాల ప్రకారం భారత్లోని డేటా సెంటర్లు 2024–25లో సంవత్సరానికి సుమారు 150 బిలియన్ లీటర్ల నీటిని వినియోగించినట్లు పేర్కొంటున్నారు. అంటే సుమారు 15,000 కోట్ల లీటర్లు. 2030 నాటికి ఈ అవసరం సుమారు 358 బిలియన్ లీటర్లకు చేరవచ్చని అంచనాలు ఉన్నాయి.
అయితే ఇక్కడ ఒక ముఖ్యమైన విషయం ఉంది. ఈ 15,000 కోట్ల లీటర్లు కేవలం మనం వ్యక్తిగతంగా AI ప్రశ్నలు అడగడం వల్ల నేరుగా వృథా అయ్యే నీరు కాదు. ఇది దేశంలోని డేటా సెంటర్ మౌలిక సదుపాయాలకు సంబంధించిన మొత్తం నీటి వినియోగ అంచనా. అందులో AIతో పాటు ఇతర డిజిటల్ సేవల డేటా సెంటర్ల వినియోగం కూడా ఉండొచ్చు.
అవసరం లేని AI వినియోగంపై చర్చ
AI వినియోగం పెరుగుతున్న కొద్దీ దాని పర్యావరణ ప్రభావంపై కూడా చర్చ మొదలైంది. అవసరమైన పనులకు AIని ఉపయోగించడం ఒక అంశమైతే.. కేవలం సరదా కోసం పదేపదే భారీ ఇమేజ్లు, వీడియోలు రూపొందించడం, అవసరం లేని ప్రాసెసింగ్ చేయించడం మరో అంశం.
ఒక్కో AI ప్రశ్నకు ఎంత నీరు ఖర్చవుతుందనే విషయంలో ఒకే స్థిరమైన సంఖ్య చెప్పడం కష్టం. డేటా సెంటర్ ఎక్కడ ఉంది, అక్కడ ఎలాంటి కూలింగ్ టెక్నాలజీ ఉంది, విద్యుత్ ఎలా ఉత్పత్తి అవుతోంది, ఏ AI మోడల్ ఉపయోగిస్తున్నారు వంటి అనేక అంశాలపై నీటి పాదముద్ర ఆధారపడి ఉంటుంది. తాజా పరిశోధనలు AI నీటి వినియోగాన్ని ప్రత్యక్ష కూలింగ్తో పాటు విద్యుత్ ఉత్పత్తి, చిప్ తయారీ వంటి పరోక్ష అంశాలతోనూ అనుసంధానిస్తున్నాయి.
నీటి వినియోగాన్ని తగ్గించేందుకు చర్యలు
AI విస్తరణతో నీటి అవసరం పెరుగుతున్నప్పటికీ.. డేటా సెంటర్లు నీటి వినియోగాన్ని తగ్గించే టెక్నాలజీలను కూడా స్వీకరిస్తున్నాయి. Direct-to-chip liquid cooling, adiabatic cooling, immersion cooling వంటి విధానాలను ఉపయోగిస్తున్నట్లు కేంద్ర ప్రభుత్వం తెలిపింది. అధిక సాంద్రత కలిగిన ర్యాక్ల ద్వారా విద్యుత్, నీటి వినియోగాన్ని తగ్గించే ప్రయత్నాలు కూడా జరుగుతున్నాయి.
కొన్ని డేటా సెంటర్లలో రీసైకిల్ చేసిన నీరు, క్లోజ్డ్-లూప్ కూలింగ్, వర్షపు నీటి వినియోగం వంటి ప్రత్యామ్నాయాలపై కూడా దృష్టి పెడుతున్నారు.
AI వాడేటప్పుడు మన బాధ్యత ఏంటి?
AIని పూర్తిగా ఉపయోగించకూడదనే అర్థం ఇందులో లేదు. విద్య, వైద్యం, పరిశోధన, వ్యవసాయం, వ్యాపారం వంటి రంగాల్లో AI ఉపయోగకరమైన సాధనంగా మారుతోంది. అదే సమయంలో అవసరం లేని వినియోగాన్ని తగ్గించడం, ఒకే పనిని పదేపదే AIతో చేయించకుండా ఉండటం, అవసరమైనప్పుడు మాత్రమే అధిక కంప్యూటింగ్ అవసరమయ్యే సేవలను ఉపయోగించడం వంటి చిన్న మార్పులు పర్యావరణ ప్రభావాన్ని తగ్గించే దిశగా ఉండవచ్చు.
AI భవిష్యత్తులో మరింత విస్తరించనున్న నేపథ్యంలో వేగవంతమైన టెక్నాలజీ అభివృద్ధితో పాటు నీరు, విద్యుత్ వంటి సహజ వనరుల సంరక్షణ కూడా కీలకంగా మారుతోంది. టెక్నాలజీని ఎంత తెలివిగా ఉపయోగిస్తామన్నదే దాని ప్రయోజనాలను, పర్యావరణ ప్రభావాన్ని నిర్ణయించే అంశాల్లో ఒకటిగా మారుతోంది.
