MIT News, generatif yapay zekanın çevresel etkilerini ele aldığı iki bölümlük bir dizi yayınlıyor. Bu makalede, bu teknolojinin neden bu kadar kaynak tükettiğini inceliyoruz. İkinci bölümde ise uzmanların generatif yapay zekanın karbon ayak izini ve diğer etkilerini azaltmak için neler yaptığını araştıracağız.
Generatif yapay zekanın, iş gücü verimliliğini artırmaktan bilimsel araştırmaları ilerletmeye kadar sunduğu potansiyel faydalar oldukça heyecan verici. Ancak, bu yeni teknolojinin hızlı bir şekilde benimsenmesiyle birlikte oluşan çevresel sonuçlar, kesinleştirilmesi ve hafifletilmesi zor bir konu olmaya devam ediyor.
Örneğin, OpenAI’nin GPT-4 gibi genellikle milyarlarca parametreye sahip generatif yapay zeka modellerini eğitmek için gereken hesaplama gücü, büyük miktarda elektrik talep edebilir. Bu da artan karbondioksit emisyonlarına ve elektrik şebekesi üzerindeki baskılara yol açar.
Dahası, bu modellerin gerçek dünya uygulamalarında kullanılması, milyonların günlük hayatlarında generatif yapay zeka ile etkileşimde bulunmasını sağlamak ve ardından modellerin performansını iyileştirmek için ince ayar yapmak, geliştirme aşamasından çok sonra da büyük miktarda enerji tüketir.
Enerji Yoğun Veri Merkezleri
Veri merkezlerinin elektrik talepleri, generatif yapay zekanın çevresel etkilerinin en önemli faktörlerinden biridir. Bu merkezler, ChatGPT ve DALL-E gibi popüler araçların arkasındaki derin öğrenme modellerini eğitmek ve çalıştırmak için kullanılır.
Veri merkezi, sunucular, veri depolama birimleri ve ağ ekipmanları gibi hesaplama alt yapısını barındıran, sıcaklık kontrolü yapılmış bir binadır. Örneğin, Amazon’un dünya genelinde 100’den fazla veri merkezi bulunmaktadır ve her biri, bulut bilişim hizmetlerini desteklemek için yaklaşık 50,000 sunucu içermektedir.
Generatif yapay zekanın doğuşu, veri merkezi inşaatının hızını önemli ölçüde artırmıştır. “Generatif yapay zekanın özelliği, gerektirdiği güç yoğunluğudur. Temelde bu sadece hesaplama yapmadır, ancak bir generatif yapay zeka eğitim kümesi, tipik bir hesaplama yükünden yedi veya sekiz kat daha fazla enerji tüketebilir,” diyor MIT İklim ve Sürdürülebilirlik Konsorsiyumu’nda bir postdoc olan Noman Bashir.
Verimlilik ve İnferans Farklılıkları
Bir generatif yapay zeka modeli eğitildiğinde, enerji talepleri yok olmaz. Her kullanıldığında, örneğin bir kullanıcının ChatGPT’den bir e-posta özetlemesini istemesi durumunda, o işlemi gerçekleştiren hesaplama donanımı enerji tüketir. Araştırmalar, bir ChatGPT sorgusunun, basit bir web aramasından yaklaşık beş kat daha fazla elektrik tükettiğini tahmin ediyor.
“Ama sıradan bir kullanıcı bunun üzerinde çok düşünmüyor,” diyor Bashir. “Generatif yapay zekanın kullanıcı arayüzlerinin kolaylığı ve eylemlerimin çevresel etkileri hakkında yeterli bilgi yokluğu, kullanıcı olarak benim bu teknoloji kullanımımı azaltmak için pek bir teşvikim olmadığını gösteriyor.”
Sürdürülebilirlik İçin Gelecek Çözümlemeleri
Endüstri şu anda sürdürülebilir bir yol izlemiyor, ancak generatif yapay zekanın çevresel hedefleri destekleyici bir şekilde sorumlu gelişimini teşvik etmenin yolları var, diyor Bashir. Bu, generatif yapay zekanın tüm çevresel ve toplumsal maliyetlerini dikkatlice ele almayı gerektiriyor.
Bashir ve MIT’deki meslektaşları, bu konuda değerlendirme ve ölçüm yeteneklerimizi geliştirmemiz gerektiğini vurguluyor. “Yeni gelişmelerin etkilerini sistematik ve kapsamlı bir şekilde anlamamız gerekiyor,” diyor Elsa A. Olivetti.
