AI बांधकामामागचा अदृश्य कचरा
AI बूमचे वर्णन सहसा compute, capital spending, आणि advanced chips साठीच्या स्पर्धेच्या भाषेत केले जाते. त्या खरेदींनंतर निर्माण होणाऱ्या waste stream कडे फारसे लक्ष दिले जात नाही. Rest of World मधील एका नव्या लेखात असा युक्तिवाद केला आहे की AI स्वीकारण्याच्या पुढील टप्प्यामुळे जागतिक ई-कचरा संकट लक्षणीयरीत्या बिघडू शकते, विशेषतः त्या देशांसाठी जे आधीच श्रीमंत अर्थव्यवस्थांकडून टाकून दिलेल्या इलेक्ट्रॉनिक्सचे प्रक्रियन किंवा शोषण करतात.
हा इशारा AI infrastructure मधील एका मूलभूत वास्तवावर आधारित आहे: hardware cycle जलद, महाग आणि अत्यंत विशेषीकृत असतो. GPUs, servers, आणि इतर performance-intensive systems मॉडेल्स मोठी होत असताना आणि procurement अधिक नवीन पिढीच्या उपकरणांकडे वळत असताना काही वर्षांतच obsolete होऊ शकतात. स्रोत मजकुरानुसार, computing devices चा turnover साधारण दोन ते पाच वर्षांचा आहे. एवढ्या छोट्या आयुष्यामुळे अशा घटकांचा एक सातत्यपूर्ण प्रवाह तयार होतो जो एका बाजारात आता commercially desirable राहत नाही, पण तरीही त्याला कुठेतरी जावेच लागते.
Nature Computational Science मधील 2024 च्या एका अभ्यासाचा, जो लेखात उद्धृत आहे, अंदाज असा की वेगवान AI adoption मुळे 2030 पर्यंत 1.2 million ते 5 million metric tons इतका e-waste वाढू शकतो. या श्रेणीचा खालचा टप्पाही अशा क्षेत्रात महत्त्वाचा आहे जे आधीच मोठ्या पर्यावरणीय आणि श्रम खर्च निर्माण करत आहे. वरचा टप्पा सूचित करतो की AI चे physical footprint हे उद्योग विस्ताराचे सर्वात निर्णायक पण कमी-अभ्यासित दुष्परिणामांपैकी एक बनू शकते.
हार्डवेअर जिथे विकत घेतले जाते तिथेच हा भार राहण्याची शक्यता कमी का आहे
हा लेख असा युक्तिवाद करतो की या कचऱ्याचा मोठा भाग सर्वात मोठ्या AI गुंतवणुकीला चालना देणाऱ्या देशांत राहणार नाही. त्याऐवजी, तो अधिकृत निर्यात, चुकीचे लेबल केलेले शिपमेंट, आणि secondhand channels मधून विकसनशील देशांकडे वाहत जाईल. India हे याचे स्पष्ट उदाहरण आहे. स्रोत मजकुरानुसार, त्या देशाने 2024 मध्ये जवळपास 2 million tons e-waste तयार केला, जो पाच वर्षांत 73% वाढ आहे, आणि तो जगातील तिसऱ्या क्रमांकाचा सर्वात मोठा e-waste उत्पादक ठरला. तरीही, India मध्ये निर्माण होणाऱ्या e-waste पैकी जवळपास 70% परदेशातून येतो.
Indiaसह विकसनशील देशांकडे पाठवण्यात येणाऱ्या e-waste शिपमेंट्सचा प्रमुख origin country म्हणून United States ओळखला जातो. काही निर्यात कायदेशीरपणे येतात, तर काहींना “used goods” किंवा “donations” म्हणून वर्णन केले जाते, जे प्रत्यक्षात त्यांच्या आयुष्याच्या शेवटी पोहोचलेल्या वस्तू ठरतात. Europe आणि United States हे Asia आणि Africa पेक्षा प्रति व्यक्ती दोन ते तीन पट जास्त e-waste तयार करतात, ज्यामुळे इलेक्ट्रॉनिक्स जिथे सर्वाधिक वापरली जातात आणि जिथे ती अनेकदा dismantle, repair, किंवा discard केली जातात, त्या असमानतेला बळ मिळते.
हे हस्तांतरण केवळ logistics समस्या नाही. ते environmental exposure आणि labor risk अशा देशांवर ढकलते ज्यांची enforcement क्षमता कमी आणि formal recycling infrastructure मर्यादित असू शकते. आयात केलेल्या इलेक्ट्रॉनिक कचऱ्याच्या पर्यावरणीय, आरोग्यविषयक, आणि श्रमविषयक परिणामांपासून स्वतःचे संरक्षण करण्यासाठी आवश्यक public awareness आणि मजबूत regulations अनेक प्राप्तकर्ता देशांकडे नाहीत, असे लेखात नमूद केले आहे.
याचा परिणाम म्हणजे जागतिक तंत्रज्ञान supply chains मधील एक परिचित पॅटर्न: उच्च-मूल्याचे design, deployment, आणि profits श्रीमंत बाजारांत एकवटतात, तर end-of-life hazards इतरत्र ढकलले जातात. AI हा पॅटर्न अधिक तीव्र करू शकतो, कारण त्याच्या hardware गरजा विशेषतः कठोर आहेत आणि त्याचा upgrade cadence विलक्षण आक्रमक आहे.
जुने नियम आहेत, पण अंमलबजावणी अजूनही कमकुवत आहे
स्रोत मजकूर Basel Convention कडे निर्देश करतो, जे विकसित देशांकडून विकसनशील देशांकडे hazardous waste च्या बेकायदेशीर हस्तांतरणावर बंदी घालण्यासाठी तयार केलेले आंतरराष्ट्रीय treaty आहे. ते 1990च्या दशकापासून लागू आहे, पण लेखात म्हटले आहे की त्याची अंमलबजावणी अपुरी आहे. 2018 मध्ये China च्या National Sword policy ने बहुतेक परदेशी कचरा आयातींवर बंदी घातल्यानंतर ही कमकुवतता अधिक स्पष्ट झाली. व्यापार संपण्याऐवजी, U.S. ने निर्यात इतर Asia आणि Africa देशांकडे वळवली.
AI साठी हे पुनर्निर्देशन महत्त्वाचे आहे कारण एखादा destination बंद झाला की disposal routes कसे जुळवून घेतात हे ते दाखवते. जर AI hardware turnover वेगवान झाला, तर जागतिक व्यवस्था आपोआप कचरा कमी करणार नाही. ती फक्त तो दुसरीकडे वळवू शकते. मग प्राप्तकर्ता देश, अनेकदा informal processing networks च्या माध्यमातून, तो ताण शोषून घेतात.
लेख असेही नमूद करतो की India मध्ये अनेक श्रीमंत बाजारांपेक्षा repair-oriented device culture अधिक आहे. तिथे devices दुरुस्त होण्याची, पुन्हा विकली जाण्याची, किंवा rebuild होण्याची शक्यता जास्त असते. त्यामुळे product life वाढू शकते आणि काही कचरा कमी होऊ शकतो, पण जागतिक dumping मुळे निर्माण झालेली मोठी संरचनात्मक असमतोल दूर होत नाही. अखेरीस, दुरुस्त केलेली इलेक्ट्रॉनिक्सही end of life ला पोहोचतात, आणि मोठ्या प्रमाणावर सुरक्षित हाताळणीसाठी अनेक देश अजूनही उभारत असलेली systems आणि enforcement आवश्यक असतात.
उपलब्ध पुरावे काय समर्थित करतात
- लेखात उद्धृत 2024 च्या एका अभ्यासानुसार, AI adoption मुळे 2030 पर्यंत 1.2 million ते 5 million metric tons e-waste वाढू शकतो.
- India ने 2024 मध्ये जवळपास 2 million tons e-waste तयार केला, जो पाच वर्षांत 73% वाढ आहे.
- India मध्ये निर्माण होणाऱ्या e-waste पैकी जवळपास 70% परदेशातून येतो.
- Indiaसह विकसनशील देशांकडे पाठवण्यात येणाऱ्या e-waste शिपमेंट्सचा प्रमुख origin country म्हणून U.S. ओळखला जातो.
- China च्या 2018 National Sword policy ने कचऱ्याचे प्रवाह संपवण्याऐवजी इतर Asian आणि African देशांकडे वळवले.
मोठा निष्कर्ष असा की AI चे पर्यावरणीय खर्च data centers मधील energy use आणि water consumption इतकेच मर्यादित नाहीत. Hardware disposal हा देखील कथेचा तितकाच महत्त्वाचा भाग बनत आहे. कंपन्या नवीन chips आणि अधिक शक्तिशाली servers बसवण्याच्या शर्यतीत असताना, जुने hardware premium market मधून वेगाने बाहेर पडते. End-of-life handling साठी मजबूत अंमलबजावणी आणि स्पष्ट जबाबदारी नसल्यास, त्या कचऱ्याचा मोठा भाग कमी संरक्षण असलेल्या ठिकाणी पडण्याची शक्यता आहे.
यामुळे e-waste हा केवळ पर्यावरणीय मुद्दा राहत नाही, तर governance issue देखील बनतो. AI उद्योग स्वतःला अनेकदा भविष्यातील कार्यक्षमतेचा इंजिन म्हणून मांडतो. पण जर त्याचे material leftovers कमकुवत regulatory systems मध्ये export केले गेले, तर लाभ असमानपणे वाटले जातील आणि हानी परिचितच राहील. Rest of World चा लेख आठवण करून देतो की AI transition ला एक physical afterlife आहे. टाकून दिलेल्या यंत्रांचे कुठे जायचे हे प्रश्न नाही. त्यांच्याशी झुंजण्याची जबाबदारी कोणावर टाकली जाईल, हा प्रश्न आहे.
हा लेख Rest of World च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.
Originally published on restofworld.org






