এটি পছন্দ করুন বা না করুন, বড় ভাষার মডেলগুলি দ্রুত আমাদের জীবনে এম্বেড হয়ে গেছে। এবং তাদের তীব্র শক্তি এবং পানির প্রয়োজনের কারণে তারা আমাদের জলবায়ু বিশৃঙ্খলার মধ্যে আরও দ্রুত সর্পিল করতে পারে। কিছু এলএলএম, যদিও, অন্যদের তুলনায় আরও বেশি গ্রহ-উষ্ণায়নের দূষণ প্রকাশ করছে, একটি নতুন গবেষণায় দেখা গেছে।
কিছু মডেল তৈরি করা প্রশ্নগুলি অন্যদের তুলনায় 50 গুণ বেশি কার্বন নিঃসরণ উত্পন্ন করে, প্রকাশিত একটি নতুন সমীক্ষায় দেখা গেছে যোগাযোগে সীমান্ত। দুর্ভাগ্যক্রমে, এবং সম্ভবত আশ্চর্যজনকভাবে, যে মডেলগুলি আরও সঠিক তারা সবচেয়ে বেশি শক্তি ব্যয় করে।
পরিবেশের জন্য এলএলএমএস কতটা খারাপ তা অনুমান করা শক্ত, তবে কিছু গবেষণায় পরামর্শ দেওয়া হয়েছে যে প্রশিক্ষণ চ্যাটজিপিটি এক বছরে গড় আমেরিকান ব্যবহারের চেয়ে 30 গুণ বেশি শক্তি ব্যবহার করে। যা জানা যায়নি তা হ’ল কিছু মডেলের প্রশ্নগুলির উত্তর দেওয়ার কারণে তাদের সমবয়সীদের তুলনায় স্টিপার শক্তির ব্যয় রয়েছে কিনা।
জার্মানিতে হচসচুল মঞ্চেন ইউনিভার্সিটি অফ অ্যাপ্লাইড সায়েন্সেসের গবেষকরা 7 থেকে 72 বিলিয়ন প্যারামিটার পর্যন্ত 14 এলএলএম-এর মূল্যায়ন করেছেন-লিভার এবং ডায়ালগুলি যা একটি মডেলের বোঝাপড়া এবং ভাষা প্রজন্মকে সূক্ষ্ম-সুরে-বিভিন্ন বিষয় সম্পর্কে এক হাজার বেঞ্চমার্ক প্রশ্নে।
এলএলএমএস প্রতিটি শব্দ বা শব্দের অংশগুলিকে একটি প্রম্পটে একটি টোকেন নামক সংখ্যার একটি স্ট্রিংয়ে রূপান্তর করে। কিছু এলএলএম, বিশেষত যুক্তিযুক্ত এলএলএম, আউটপুট উত্পন্ন করার আগে অতিরিক্ত অভ্যন্তরীণ গণনা এবং যুক্তির জন্য অনুমতি দেওয়ার জন্য ইনপুট ক্রমটিতে বিশেষ “চিন্তাভাবনা টোকেন” সন্নিবেশ করান। এই রূপান্তর এবং পরবর্তী গণনাগুলি যে এলএলএম টোকেনগুলিতে সম্পাদন করে শক্তি ব্যবহার করে এবং সিও 2 প্রকাশ করে।
বিজ্ঞানীরা তাদের পরীক্ষিত প্রতিটি মডেল দ্বারা উত্পাদিত টোকেনের সংখ্যার তুলনা করেছেন। সমীক্ষায় দেখা গেছে যে যুক্তিযুক্ত মডেলগুলি গড়ে গড়ে 543.5 চিন্তাভাবনা টোকেন তৈরি করেছে, যেখানে সংক্ষিপ্ত মডেলগুলির জন্য প্রশ্ন প্রতি মাত্র 37.7 টোকেন প্রয়োজন, সমীক্ষায় দেখা গেছে। উদাহরণস্বরূপ, চ্যাটজিপিটি বিশ্বে জিপিটি -৩.৫ একটি সংক্ষিপ্ত মডেল, যেখানে জিপিটি -4o একটি যুক্তিযুক্ত মডেল।
এই যুক্তি প্রক্রিয়াটি শক্তির চাহিদা বাড়িয়ে তোলে, লেখকরা খুঁজে পেয়েছেন। হচসচুল মঞ্চেন ইউনিভার্সিটি অফ অ্যাপ্লাইড সায়েন্সেসের গবেষক স্টাডি লেখক ম্যাক্সিমিলিয়ান ডাওনার এক বিবৃতিতে বলেছেন, “প্রশিক্ষণপ্রাপ্ত এলএলএমদের জিজ্ঞাসাবাদের পরিবেশগত প্রভাব তাদের যুক্তি পদ্ধতির দ্বারা দৃ strongly ়ভাবে নির্ধারিত হয়েছে।” “আমরা দেখতে পেয়েছি যে যুক্তিযুক্ত-সক্ষম মডেলগুলি সংক্ষিপ্ত প্রতিক্রিয়া মডেলের চেয়ে 50 গুণ বেশি সিও 2 নির্গমন উত্পাদন করে।”
গবেষণায় দেখা গেছে যে মডেলগুলি যত বেশি সঠিক ছিল, তারা যত বেশি কার্বন নিঃসরণ তৈরি করেছিল, গবেষণায় দেখা গেছে। যুক্তিযুক্ত মডেল কোগিটো, যার 70 বিলিয়ন প্যারামিটার রয়েছে, এটি 84.9% নির্ভুলতা পর্যন্ত পৌঁছেছে – তবে এটি একই আকারের মডেলগুলির চেয়ে তিনগুণ বেশি সিও 2 নির্গমন উত্পাদন করে যা আরও সংক্ষিপ্ত উত্তর উত্পন্ন করে।
“বর্তমানে, আমরা এলএলএম টেকনোলজিসের অন্তর্নিহিত একটি স্পষ্ট নির্ভুলতা-টেকসই বাণিজ্য-বন্ধ দেখতে পাচ্ছি,” ডাউনার বলেছেন। “1000 টি প্রশ্নের সঠিকভাবে উত্তর দেওয়ার ক্ষেত্রে সিও 2 সমতুল্য 500 গ্রাম সমতুল্য নির্গমনকে ছাড়িয়ে রাখেনি এমন কোনও মডেলই নয়।” সিও 2 সমতুল্য হ’ল ইউনিট যা বিভিন্ন গ্রিনহাউস গ্যাসের জলবায়ু প্রভাব পরিমাপ করতে ব্যবহৃত হয়।
আরেকটি বিষয় ছিল বিষয় বিষয়। সমীক্ষা অনুসারে যে প্রশ্নগুলির বিশদ বা জটিল যুক্তির প্রয়োজন, উদাহরণস্বরূপ বিমূর্ত বীজগণিত বা দর্শনের ফলে আরও সোজা বিষয়গুলির চেয়ে ছয়গুণ বেশি নির্গমনকে আরও বেশি নির্গমন করা হয়েছিল, সমীক্ষায় দেখা গেছে।
যদিও কিছু সতর্কতা রয়েছে। স্থানীয় শক্তি গ্রিডগুলি কীভাবে কাঠামোগত হয় এবং আপনি যে মডেলগুলি পরীক্ষা করেন তার উপর নির্গমন খুব নির্ভরশীল, সুতরাং এই অনুসন্ধানগুলি কতটা সাধারণীকরণযোগ্য তা স্পষ্ট নয়। তবুও, অধ্যয়নের লেখকরা বলেছিলেন যে তারা আশা করছেন যে কাজটি এলএলএম ব্যবহার সম্পর্কে “নির্বাচনী এবং চিন্তাশীল” হতে উত্সাহিত করবে।
“ব্যবহারকারীরা এআইকে সংক্ষিপ্ত উত্তর উত্পন্ন করতে বা উচ্চ-ক্ষমতা সম্পন্ন মডেলগুলির ব্যবহারকে এমন কাজগুলিতে সীমাবদ্ধ করে যা প্রকৃতপক্ষে সেই ক্ষমতার প্রয়োজন হয়,” এর ফলে নির্গমনকে উল্লেখযোগ্যভাবে হ্রাস করতে পারে, “দুনার এক বিবৃতিতে বলেছিলেন।
