اگر آپ سوشل میڈیا پر کوئی بھی وقت گزارتے ہیں، تو شاید آپ کو "AI قصور” کا خیال آئے گا۔ بیانیہ کچھ یوں ہے: جب بھی آپ ChatGPT سے شائستہ ای میل کا مسودہ تیار کرنے یا ہفتے کے رات کے کھانے کی ترکیب تیار کرنے کے لیے کہتے ہیں، کہیں سرور فارم آپ کے چپس کو پگھلنے سے روکنے کے لیے پینے کے صاف پانی کی غیر شرعی مقدار کو نکال رہا ہے۔
اب OpenAI کے سی ای او سیم آلٹ مین اس میم کو آرام کرنا چاہتے ہیں۔ الیکس ہیتھ کے ساتھ سورسز پوڈ کاسٹ کے پریمیئر ایپی سوڈ میں، آلٹ مین نے اس تاثر کی مذمت کی کہ سادہ AI اشارے ماحولیاتی تباہی ہیں۔
اس کی تردید مشہور سنیک فوڈز سے موازنہ تھی۔
تازہ ترین ویڈیوزٹام کی گائیڈ
38,000 ChatGPT سوالات = 1 بادام؟ ہم نے پتہ لگانے کے لیے نمبروں کو کچل دیا۔
دیکھتے رہو
آلٹ مین کے مطابق، لاکھوں گیلن پانی استعمال کرنے والے ڈیٹا سینٹرز فرسودہ کولنگ ٹیکنالوجی پر انحصار کرتے ہیں۔ انہوں نے دعویٰ کیا کہ ایک جدید سہولت میں 38,000 چیٹ جی پی ٹی سوالات چلانے سے پانی کی اتنی ہی مقدار استعمال کی جائے گی جتنی کیلیفورنیا کے ایک بادام کی پیداوار میں۔ اس نے اصرار کیا کہ وہ میموری سے نمبروں کا حوالہ دے رہا تھا اور وہ صحیح بالپارک میں تھے، لیکن تسلیم کیا کہ وہ درست نہیں ہوسکتے ہیں۔
یہ دلکش ساؤنڈ بائٹس ہیں جو آپ کی روزمرہ کے چیٹ بوٹ کی عادات کو عملی طور پر بے وزن بنانے کے لیے ڈیزائن کی گئی ہیں۔ لیکن کیا ریاضی واقعی درست ہے؟ کیا آپ کو اپنے اشارے کے ماحولیاتی اخراجات کے بارے میں فکر کرنے کی ضرورت نہیں ہے؟
ریاضی: ایک بادام میں کتنا پانی ہوتا ہے؟
Altman کے دعوے کا اندازہ کرنے کے لیے، ہمیں بادام سے شروع کرنے کی ضرورت ہے۔
کیلیفورنیا دنیا کے بادام کا تقریباً 80% پیدا کرتا ہے، اور سب سے زیادہ پیش کیے گئے زرعی تخمینوں کے مطابق، بادام کی ایک دانا اگانے کے لیے پانی کی قیمت تقریباً 1.1 گیلن (تقریباً 4.16 لیٹر) ہے۔ ایک الگ تجزیہ کا تخمینہ ہے کہ کل پانی کا نشان تقریباً 12 لیٹر (3.2 گیلن) ہے، جس میں بارش اور آلودگی کے اثرات شامل ہیں۔ بادام بدنام زمانہ پیاسے ہیں کیونکہ درختوں کو سال بھر مسلسل آبپاشی کی ضرورت ہوتی ہے۔
براہ راست آبپاشی کے تخمینے کا استعمال کرتے ہوئے، Altman کے تناسب کو چہرے کی قیمت پر لیتے ہوئے، ہمیں حاصل ہوتا ہے:
1 بادام = 1.1 گیلن (4,164 ملی لیٹر) پانی
38,000 ChatGPT سوالات = 1 بادام
1 چیٹ جی پی ٹی استفسار = ~ 0.0000289 گیلن (~ 0.11 ملی لیٹر پانی)
0.11 mL کو تناظر میں ڈالنے کے لیے، ایک معیاری لیبارٹری ڈرپ یا ڈراپر ڈراپ تقریباً 0.05 mL ہے۔
Altman کے اعداد و شمار کے مطابق، ChatGPT سے سوال پوچھنے میں پانی کے تقریباً دو قطرے استعمال ہوتے ہیں۔
اگر یہ تعداد آپ نے پہلے پڑھی ہوئی چیزوں کے مقابلے میں مضحکہ خیز طور پر کم لگتی ہے، تو آپ اس کا تصور نہیں کر رہے ہیں۔ یہ بھی Altman کے پچھلے بیان سے پوری طرح مطابقت نہیں رکھتا۔
جون 2025 میں، اس نے اپنی بلاگ پوسٹ "The Gentle Singularity” میں لکھا کہ ایک عام ChatGPT استفسار تقریباً 0.000085 گیلن پانی استعمال کرتا ہے، جو کہ تقریباً 0.32 ملی لیٹر کے برابر ہے۔
اس اعداد و شمار کے ساتھ عام طور پر نقل شدہ تخمینوں کے ساتھ فی بادام استعمال کرنے سے ہمیں 38,000 کے بجائے تقریباً 11,000 سوالات فی بادام ملیں گے۔ اس کے نمبر ایک ہی سمت کی طرف اشارہ کرتے ہیں، لیکن وہ تفصیلات سے متفق نہیں ہیں۔
"AI ٹیبز استعمال کرتا ہے” کہانی کہاں سے آتی ہے؟
AI پانی کے استعمال کے خلاف عوامی ردعمل بنیادی طور پر یونیورسٹی آف کیلیفورنیا، ریور سائیڈ اور ارلنگٹن میں یونیورسٹی آف ٹیکساس کے محققین کی زیرقیادت ایک وسیع پیمانے پر حوالہ شدہ مطالعہ سے پیدا ہوتا ہے۔
"میکنگ اے آئی کم پیاس” کے عنوان سے یہ مقالہ پہلی بار 2023 میں پری پرنٹ کے طور پر شائع ہوا تھا اور بعد میں 2020 میں شائع ہوا تھا۔ ACM کمیونیکیشنز یہ اندازہ لگایا گیا ہے کہ 2025 میں، LLM جیسے GPT-3 کے 10 سے 50 جوابات پر مشتمل ایک سادہ گفتگو تقریباً 500 ملی لیٹر پانی استعمال کرے گی۔ یہ ایک معیاری پلاسٹک کی پانی کی بوتل کے سائز کے بارے میں ہے۔ یہ تقریباً 10 سے 50 ملی لیٹر فی جواب پایا گیا، جو کہ Altman کے اندازے سے ممکنہ طور پر سینکڑوں گنا زیادہ ہے۔
تو اتنا بڑا تضاد کیوں؟
جواب کا حصہ ہارڈ ویئر اور ماڈل ہے۔ آلٹ مین کی مثال موجودہ ماڈلز پر چلنے والے جدید انفراسٹرکچر پر ہلکے وزن کے سوالات کی وضاحت کرتی ہے۔ UC Riverside مطالعہ نے پرانے نظاموں میں GPT-3 کا تجزیہ کیا۔
لیکن بڑا عنصر یہ ہے کہ ہر نمبر کا اصل مطلب کیا ہے۔ Altman کا تخمینہ تقریباً یقینی طور پر صرف آن سائٹ ٹھنڈک پانی کی عکاسی کرتا ہے، جو ڈیٹا سینٹر کے ذریعے براہ راست استعمال کیا جاتا ہے۔ UC Riverside کے اعداد و شمار میں تمام آن سائٹ کولنگ شامل ہیں۔ اور ایک وسیع تر تفصیل وہ پانی ہے جو پاور پلانٹس کے ذریعے استعمال ہونے والی بجلی پیدا کرنے کے لیے استعمال کیا جاتا ہے جو سرورز کھینچتے ہیں، جسے اسکوپ 1 اور اسکوپ 2 پانی کے استعمال کے نام سے جانا جاتا ہے۔ آزادانہ تجزیہ سے پتہ چلتا ہے کہ ایک AI استفسار کے پیچھے بجلی کی پیداوار کی تہہ کل پانی کے نشانات کا 75% تک کا حصہ بن سکتی ہے۔ اس کا مطلب ہے کہ فرق صرف پرانے اور نئے ہارڈ ویئر کا معاملہ نہیں ہے۔ یہ اس بارے میں ہے کہ پیمائش کی حدود کو کہاں کھینچنا ہے۔
Altman نے پوڈ کاسٹ پر براہ راست فرسودہ ہارڈویئر سیکشن سے خطاب کیا، یہ دعویٰ کیا کہ پچھلے تخمینے بخارات کی ٹھنڈک کا استعمال کرتے ہوئے سہولیات پر مبنی تھے۔ ان پرانے سیٹ اپس میں، بڑے کولنگ ٹاورز سرور ریک سے آنے والی گرم ہوا کو ٹھنڈا کرنے کے لیے تازہ پانی کو لفظی طور پر فضا میں بخارات بنا دیتے ہیں۔ ایک بار بخارات بن جانے کے بعد، وہ پانی مقامی واٹرشیڈ سے ضائع ہو جاتا ہے۔
آلٹ مین نے دلیل دی کہ جدید ہائپر اسکیل ڈیٹا سینٹرز جارحانہ طور پر بند لوپ مائع کولنگ سسٹم کی طرف بڑھے ہیں، جس میں پانی یا خصوصی کولنٹس سیل بند پائپوں کے ذریعے گردش کرتے ہیں، جیسے آٹوموبائل ریڈی ایٹرز، بخارات کے ذریعے مائع کے بہت کم نقصان کے ساتھ۔ آلٹمین نے دلیل دی کہ ان سہولیات میں پانی کا استعمال صنعتی پلانٹ کے بجائے معیاری سنک اور بیت الخلاء کے ساتھ ایک عام تجارتی دفتر کی عمارت کے قریب ہے۔
مسئلہ: بادام کا موازنہ کلاسیکی سیلیکون ویلی اسپن کیوں ہے۔
جدید ڈیٹا سینٹرز بلاشبہ فی ٹوکن کارکردگی کو بہتر بنا رہے ہیں، لیکن چیٹ بوٹ پرامپٹس کا فصلوں سے موازنہ کرنا کچھ اہم حقائق کو نظر انداز کر دیتا ہے۔
مجموعی پیمانے اور انفرادی جرم۔ اگرچہ اسپریڈشیٹ فارمولے کو چیک کرنے میں صرف چند قطرے لگ سکتے ہیں، OpenAI اب تقریباً 900 ملین ہفتہ وار فعال صارفین کی خدمت کرتا ہے جو ہر روز اربوں پرامپٹس پر کارروائی کرتے ہیں۔ یو سی ریور سائیڈ کے محققین کا تخمینہ ہے کہ مسلسل ماڈل ٹریننگ کے ساتھ عالمی سطح پر ملی لیٹر کے سب سے چھوٹے حصے کو ضرب دینے سے سینکڑوں ہزاروں گیلن پہلے سے استعمال ہو سکتے ہیں۔ کل اب بھی بہت بڑا ہے۔
علاقائی پانی کا دباؤ عالمی اوسط سے زیادہ اہم ہے۔ وسطی وادی میں بادام کے باغات ریاستی پانی کی تقسیم اور زرعی نہروں پر منحصر ہیں۔ تاہم، AI ڈیٹا سینٹرز اکثر مضافاتی کمیونٹیز اور نیم خشک علاقوں (جیسے فینکس، شمالی ورجینیا، اور ٹیکساس اور جارجیا کے کچھ حصے) میں بنائے جاتے ہیں، جہاں وہ براہ راست میونسپل پانی کے نظام سے جڑے ہوتے ہیں۔ یہاں تک کہ جدید، موثر سہولیات بھی گرمی کی چوٹی کی گرمی کی لہروں کے دوران رہائشی علاقوں سے مقابلہ کرتے وقت رگڑ پیدا کر سکتی ہیں۔
تمام AI سوالات برابر نہیں بنائے جاتے ہیں۔ Altman کے "38,000 سوالات” کا اعداد و شمار معیاری، ہلکے وزن کی تحقیق پر منحصر ہے، لہذا ایک بنیادی GPT-4o ٹیکسٹ جواب کے بارے میں سوچیں۔ تاہم، صنعت تیزی سے انفرنس ماڈلز اور خود مختار AI ایجنٹس کی طرف منتقل ہو رہی ہے۔ اگر AI جواب دینے سے پہلے "سوچتا ہے”، ایک اندرونی سینڈ باکس میں Python کوڈ چلاتا ہے، لائیو ویب کو تلاش کرتا ہے، اور متعدد لاجک لوپس کے ذریعے خود کو تبدیل کرتا ہے، تو یہ ایک سادہ گفتگو کے چیٹ بوٹ کے مقابلے میں فی پرامپٹ نمایاں طور پر زیادہ کمپیوٹ استعمال کرتا ہے۔ آزاد محققین نے نوٹ کیا ہے کہ یہ بھاری کام کا بوجھ زیادہ توانائی اور پانی کے استعمال کا باعث بن سکتا ہے۔
توانائی کی تجارت بند۔ جب ڈیٹا سینٹر کے آپریٹرز بخارات سے متعلق پانی کی ٹھنڈک کو ختم کرتے ہیں، تو وہ اکثر اسے توانائی سے بھرپور چلرز، مکینیکل ہیٹ پمپس، اور تیز رفتار ہوا کے پنکھے سے بدل دیتے ہیں۔ سیدھے الفاظ میں، سائٹ پر پانی کی کھپت کو کم کرنے کا مطلب اکثر مقامی پاور گرڈ سے بہت زیادہ پاور حاصل کرنا ہوتا ہے، جس میں بجلی پیدا کرنے کے طریقے پر منحصر پانی اور کاربن کا بالواسطہ اثر ہوتا ہے۔
حتمی خیالات
آلٹ مین کی دلیل جدید، بند لوپ ہارڈ ویئر کے لیے بہترین صورت حال پر بہت زیادہ انحصار کرتی ہے جبکہ AI بوم کے بڑے پیمانے پر بنیادی ڈھانچے کے تقاضوں پر روشنی ڈالتی ہے۔ اس کے سوالات کی تعداد 38,000 فی بادام ممکنہ طور پر جدید ہارڈ ویئر پر ایک ہلکے وزن کے سوال کے پیمانے کے طور پر قابل دفاع ہے۔ لیکن یہ صرف پانی کی کہانی کا حصہ بتاتا ہے اور صنعت کی رفتار کو نظر انداز کرتا ہے۔
پیروی کریں گوگل نیوز کے لیے ٹام کی گائیڈ اور ہمیں ایک ترجیحی ذریعہ کے طور پر شامل کریں۔ اپنی فیڈ میں تازہ ترین خبریں، تجزیہ اور تجزیے دیکھیں۔ ٹام کے گائیڈز کو سبسکرائب کریں۔ یوٹیوب اور ہماری پیروی کریں TikTok.
