একটি AI চ্যাট অ্যাসিস্ট্যান্টকে প্রশ্ন করতে ব্যবহারকারীর মাত্র কয়েক সেকেন্ড সময় লাগে। কিন্তু সেই উত্তরের পেছনে রয়েছে বিশাল ডেটা সেন্টার যেখানে হাজার হাজার শক্তিশালী চিপ চলে এবং সেগুলোকে প্রতিনিয়ত শীতল রাখতে হয়। AI-এর বিস্তার এই সুবিধাগুলোর শক্তির প্রয়োজনীয়তাকে বৈশ্বিক এজেন্ডার শীর্ষে নিয়ে এসেছে।
পরিসংখ্যান কী বলছে?
ইন্টারন্যাশনাল এনার্জি এজেন্সির (IEA) ২০২৫ সালের রিপোর্ট “Energy and AI” অনুযায়ী, ২০২৪ সালে ডেটা সেন্টারগুলো প্রায় ৪১৫ টেরাওয়াট-ঘণ্টা বিদ্যুৎ ব্যবহার করেছে, যা বিশ্বব্যাপী বিদ্যুৎ ব্যবহারের প্রায় ১.৫ শতাংশ। রিপোর্টের বেস কেস অনুযায়ী, ২০৩০ সালের মধ্যে এটি বৃদ্ধি পেয়ে প্রায় ৯৪৫ টেরাওয়াট-ঘণ্টায় পৌঁছাতে পারে, যা বর্তমানের দ্বিগুণেরও বেশি। এই বৃদ্ধির প্রধান কারণ হলো AI-এর জন্য ব্যবহৃত ত্বরান্বিত সার্ভার।
যদিও বিশ্বব্যাপী এর অংশ ছোট মনে হতে পারে, তবে এই ব্যবহার নির্দিষ্ট কিছু স্থানে কেন্দ্রীভূত। যুক্তরাষ্ট্র এবং চীন এই বৃদ্ধির সিংহভাগ বহন করছে এবং কিছু এলাকায় যেখানে ডেটা সেন্টারগুলো পুঞ্জীভূত রয়েছে, সেখানে স্থানীয় বিদ্যুৎ গ্রিডগুলো মারাত্মক চাপের মুখে রয়েছে।
প্রশিক্ষণ এবং ব্যবহার
শক্তি দুটি পর্যায়ে ব্যয় হয়: একটি বড় মডেল প্রশিক্ষণের জন্য সপ্তাহ বা মাসব্যাপী চলতে থাকা হাজার হাজার চিপের প্রয়োজন হয়। একবার মডেলটি প্রকাশ করা হলে, লক্ষ লক্ষ ব্যবহারকারীর প্রতিটি অনুরোধ (inference) বা অনুমিতি देखील শক্তি খরচ করে। ব্যবহার যত বাড়ছে, মোট খরচের মধ্যে ইনফারেন্সের অংশ তত বৃদ্ধি পাচ্ছে। টেক্সট বা লেখা তৈরির তুলনায় ছবি এবং ভিডিও তৈরি করতে সাধারণত অনেক বেশি কম্পিউটিং পাওয়ারের প্রয়োজন হয়।
পানির ব্যবহার (Water footprint)
কিছু ডেটা সেন্টার তাদের সার্ভারের জন্য বাষ্পীভবন পদ্ধতিতে শীতলীকরণ (evaporative cooling) ব্যবহার করে, যা উল্লেখযোগ্য পরিমাণ পানি খরচ করে। বিদ্যুৎ উৎপাদনকারী বিদ্যুৎ কেন্দ্রগুলোরও পরোক্ষভাবে পানির ব্যবহার রয়েছে। ফলে খরাপ্রবণ অঞ্চলে নতুন ডেটা সেন্টার প্রকল্পগুলো বিতর্কিত হয়ে উঠতে পারে।
সমাধানের সন্ধান
- দক্ষ হার্ডওয়্যার: প্রতিটি নতুন চিপ প্রজন্মের লক্ষ্য হলো কম শক্তি ব্যবহার করে একই কাজ সম্পন্ন করা।
- ছোট মডেল: অনেক কাজের জন্য বড় মডেলের পরিবর্তে ছোট এবং আরও দক্ষ মডেল যথেষ্ট হতে পারে।
- পরিচ্ছন্ন শক্তি: প্রযুক্তি কোম্পানিগুলো নবায়নযোগ্য এবং পারমাণবিক শক্তির চুক্তির দিকে ঝুঁকছে।
- স্মার্ট কুলিং এবং অবস্থান: লিকুইড কুলিং, বর্জ্য তাপের পুনঃব্যবহার এবং শীতল জলবায়ুর অঞ্চলে স্থাপনা তৈরি করা দক্ষতা বৃদ্ধি করে।
ব্যবহারকারী হিসেবে আমি কী করতে পারি?
ব্যক্তিগত ব্যবহারের প্রভাব এককভাবে ছোট, তবে অপ্রয়োজনীয়ভাবে প্রচুর পরিমাণে ছবি বা ভিডিও তৈরি না করা, সাধারণ প্রশ্নের জন্য সার্চ ইঞ্জিন ব্যবহার করা এবং একটি স্পষ্ট প্রম্পটের মাধ্যমে কাজ সম্পন্ন করার অনুরোধ করা—উভয় সময় এবং শক্তি সাশ্রয় করে।
দক্ষতা কীভাবে পরিমাপ করা হয়? PUE
একটি ডেটা সেন্টার যে সমস্ত বিদ্যুৎ ব্যবহার করে তার সবটুকু কম্পিউটারে যায় না; একটি উল্লেখযোগ্য অংশ কুলিং, পাওয়ার কনভার্সন এবং লাইটিংয়ের মতো সহায়ক সিস্টেমে ব্যবহৃত হয়। এই পার্থক্য পরিমাপের জন্য সবচেয়ে বহুল ব্যবহৃত সূচক হলো PUE (Power Usage Effectiveness)।
- সংজ্ঞা: PUE হলো একটি স্থাপনার মোট শক্তি ব্যবহারের সাথে তার আইটি (IT) সরঞ্জামের দ্বারা ব্যবহৃত শক্তির অনুপাত; এটি ২০০৭ সালে শিল্প সংস্থা 'The Green Grid' দ্বারা প্রস্তাবিত হয়েছিল।
- আদর্শ মান: ১.০ হলো একটি তাত্ত্বিক সীমা যেখানে সমস্ত শক্তি আইটি সরঞ্জামে যায়; মান যত বেশি হবে, সহায়ক সিস্টেমে ব্যবহৃত শক্তির অংশ তত বেশি হবে।
- শিল্পের গড়: আপটাইম ইনস্টিটিউটের (Uptime Institute) বৈশ্বিক ডেটা সেন্টার জরিপে সাম্প্রতিক বছরগুলোতে গড় PUE ১.৫–১.৬ এর আশেপাশে ঘোরাফেরা করছে।
PUE একটি দরকারী পরিমাপক কিন্তু এটি এককভাবে যথেষ্ট নয়: এটি ব্যবহৃত বিদ্যুতের উৎস, পানির ব্যবহার বা হার্ডওয়্যার কতটা দক্ষতার সাথে চলছে তা দেখায় না।
স্থানীয় প্রভাব এবং স্বচ্ছতা
যদিও বিশ্বব্যাপী বিদ্যুৎ ব্যবহারের ক্ষেত্রে ডেটা সেন্টারগুলোর অংশ এখনও সীমিত, তবে নির্দিষ্ট কিছু অঞ্চলে তাদের প্রভাব অনেক বেশি স্পষ্ট। উদাহরণস্বরূপ, আয়ারল্যান্ডের সেন্ট্রাল স্ট্যাটিস্টিকস অফিসের মতে, ২০২৩ সালে আয়ারল্যান্ডের মোট মিটারে পরিমাপকৃত বিদ্যুৎ ব্যবহারের প্রায় ২১ শতাংশ ছিল ডেটা সেন্টারগুলোর দখলে।
এই ধরনের কেন্দ্রীভূত ব্যবহার গ্রিড ক্ষমতা, বিদ্যুতের দাম এবং পানির সম্পদ নিয়ে স্থানীয় বিতর্কের জন্ম দিচ্ছে। ইউরোপীয় ইউনিয়ন তাদের সংশোধিত এনার্জি এফিসিয়েন্সি ডিরেক্টিভের অধীনে একটি নির্দিষ্ট আকারের উপরের ডেটা সেন্টারগুলোর জন্য তাদের শক্তি এবং পানির ব্যবহার রিপোর্ট করা বাধ্যতামূলক করতে শুরু করেছে। বিশেষজ্ঞরা জোর দিয়ে বলেছেন যে, কৃত্রিম বুদ্ধিমত্তার প্রকৃত পরিবেশগত ব্যয় বুঝতে হলে কোম্পানিগুলোর জন্য মডেল এবং স্থাপনা পর্যায়ে আরও বিস্তারিত এবং তুলনামূলক তথ্য শেয়ার করা গুরুত্বপূর্ণ।
সূত্র এবং আরও পড়ার জন্য
- International Energy Agency (IEA), “Energy and AI” report (2025).
- IEA, “Electricity 2025” report.
- Li, P. et al., “Making AI Less ‘Thirsty’”, Communications of the ACM (2025).
- The Green Grid – PUE: A Comprehensive Examination of the Metric
- Uptime Institute – Global Data Center Survey 2024
- CSO Ireland – Data Centres Metered Electricity Consumption 2023
একটি মন্তব্য করুন
আপনার ইমেইল ঠিকানা প্রকাশিত হবে না। প্রয়োজনীয় ক্ষেত্রগুলি * দিয়ে চিহ্নিত