Yapay zeka enerjide çözüm mü yoksa büyük bir sorun mu?
Dijital devrim insanların yaşama, çalışma ve iletişim kurma şeklini değiştirdi. Milyarlarca insanın yapay zekadan daha mutlu, sağlıklı ve daha üretken bir yaşam beklentisi var. Ne var ki bunları sağlaması beklenen yapay zeka devrimi bize tahmin edemeyeceğimiz bir maliyetle geliyor. Yapay zeka geliştikçe enerji sorunu da büyüyor.
Yeni bir düzen kurulurken eski kurumlar yeni bir çehre kazanıyor. Finanstan sağlığa kadar tüm kurumlar kendini yeniliyor. Bu yenilenme yapay zeka ve makine öğrenmesinin benimsenmesi ile oluyor. Yapay zekanın gereksinimleri de bu sürece eklenince bunun bir maliyetinin olması gayet normal. Kısacası bizi en çok zorlayan, yeni bir hayat anlayışıyla karşılaşmamız ve buna adapte olacak araçları yeniden oluşturmamız.
Teknoloji seçimlere müdahaleyi, veri ihlallerini ve siber saldırıları her gün karşılaşabileceğimiz sıradan bir olay konumuna getiriyor. Bu sebeple gizlilik, ulusal güvenlik ve hatta demokrasiye bakışımız da farklılaşıyor.
Bu belirsizlikler söz konusu olsa da bizi bekleyen en büyük belirsizlik enerji gibi duruyor. Gittikçe genişleyen bir makine ağının önümüzdeki yıllarda enerjiye olan ihtiyacı daha da artacak. Öyle ki bu sistemi yönetmesini istediğimiz yapay zekanının bugün tüketilen enerjiden daha fazlasına ihtiyacı olacağı tahmin ediliyor. Bu nedenle enerji sorununa yeni çözümler bulmamız gerekiyor.
Yapay zeka neden bu kadar fazla enerji tüketiyor?
Yapay zeka henüz eğitim aşamasında olan bir çocuk gibi öğrenmeye devam ediyor. Makineler henüz insan kadar zeki değil. Sadece daha hızlı işlem yapabilir ve büyümeye elverişli bir hafızaları vardır. Şu anda insan gibi neden-sonuç ilişkisi kuracak kadar dünyayla etkileşime girecek kapasiteleri yok. Öyle de olsa hafızaları her geçen gün daha da büyüyor. Her gün milyonlarca veri işleyen makineler insanlık tarihinde toplanan bilgiden daha fazlasını depoluyor. Bunu yapabilmesi için de belli bir süre eğitilmesi gerekiyor.
Yapay zeka modelleri büyük veri kümeleri üzerinden eğitilir ve veri kümeleri arttıkça eğitim süresi uzar. Karmaşık yapıları büyük miktarda işlem gücü ve enerji gerektirir. Çok fazla enerji tüketmelerinin bir sebebi de birçok veri merkezinde ve diğer cihazlarla birlikte çalışmasıdır. Ayrıca yapay zeka tarafından üretilen büyük miktarda verinin depolanması için de önemli miktarda enerji gerekir.
Bu olayı devletlerin eğitim sistemine yaptığı yatırıma benzetebiliriz. Öğretmek için binlerce eğitim modeli oluşturmak, hatalardan yeniden döngü yaratmak ve değişen dünyada yeni kavramları yeniden öğretmek için büyük yatırım gerekir. Ne kadar çok okul açarsanız yapacağınız fiziki ve beşeri yatırım artar. Yapay zekada da aynı durum söz konusudur. Ne kadar çok veri olursa açmanız gereken veri merkezi çoğalır. Sonuçta ihtiyaç duyulan enerji de o kadar çok olacaktır.
Yapay zeka en fazla enerjiyi eğitimde harcıyor.
Yapay zeka hem eğitim hem de kullanım aşamasında enerji tüketir. Özellikle eğitim son derece enerji yoğundur. Geleneksel veri merkezi faaliyetlerinden çok daha fazla elektrik tüketir.
Eğitim sırasında yapay zeka modeli, geniş bir örnek ve veri kümesine dayanarak nasıl davranacağını öğrenir. Bir yapay zeka modelinin eğitim süresi, veri miktarına ve modelin karmaşıklığına bağlı olarak değişir. Bu süre birkaç dakikadan birkaç aya kadar çıkar. Bu zaman zarfında büyük miktarda veriyi işlemek için kullanılan GPU’lar 24 saat çalışarak büyük miktarda enerji tüketir.
Yapay zeka modelleri yenilendikçe eğitim süreleri de uzuyor. Kullanıcı talepleri arttıkça daha büyük miktarda veriyi işliyorlar. Şu anda deneme aşamasında olanlar da dahil henüz yapay zeka tam kapasite kullanılmıyor. Ancak sektörün çok hızlı ilerlemesi, enerjiye olan ihtiyacı da büyütüyor.
Örneğin 2023 yılında Chat GPT-3’ü eğitmek için 1300 megawat elektrik tüketildi. Bir saatlik Netflix yayınının 0,8 kwh elektrik tükettiği düşünüldüğünde GPT-3 için harcanan elektrik 1.625.000 saat Netflix yayınına eş değerdir. Üstelik modellerin daha da geliştiğini düşündüğümüzde tüketimin boyutu hakkında net bir tahmin yapmak güçleşiyor. Yine de bir tahmin yapmak gerekirse bugün GPT-4’ün eğitimi için harcanan elektrik GPT-3’e göre 40 kat fazla olabilir. Bu da ABD’de yaklaşık 1000 evin 5 ya da 6 yıllık elektrik tüketimine karşılık gelir.
Enerji tüketiminin bir başka nedeni de yapay zekanın bir çıkarım yapmasıdır. Kullanıcıların sorularını yanıtlama süresi uzadıkça harcadığı enerji de artar. Yapay zeka önce soruyu anlar, ardından cevap vermeden önce bir yanıt düşünür. Yapay zekanın çıkarım yapması uzadıkça daha fazla GPU işlem gücüne ihtiyaç duyar. Bu sebeple yapay zekanın popülerliği artıkça ihtiyaç duyacağı enerji de o oranda artar. Onunla yaptığımız her sohbetin tahminimizden daha fazla elektrik harcadığını bilmemiz gerekir.
Yapay zekanın enerji tüketimi neden sır olarak kalıyor?
Bugün enerji tüketimi hakkında net bir bilgiye ulaşmak gittikçe zorlaşıyor. Yatırım değeri arttıkça Google, Microsoft, Amazon ve Meta gibi firmalar enerji tüketimini açıklamayı bir ticari sır olarak görmeye başladı. İklim değişikliğinde sosyal sorumluluk alan bu şirketlerin karbon salınımını çok fazla arttırması da bu meselenin bir sır olarak kalmasına neden olabilir. Mesela Microsoft, bulut bilişim ve yapay zekayı destekleyecek veri merkezi için bir gölü kurutabiliyor. 2021 yılında sadece Google, 200.000 evin ihtiyacı kadar elektrik tükettiğini açıkladı. Bunun yanında Amazon, daha az karbon izi bırakmak için nükleer santral satın alabiliyor.
Bugün yapay zeka amaçlı tüketilen enerji miktarının dünya tüketiminin %0,5 civarında olduğu tahmin ediliyor. Yapay zeka modeli arttıkça daha fazla GPU ihtiyacı doğuyor. Bunun sonucunda GPU sağlayıcıları buna ayak uydurmakta zorlanabilir. Talepteki bu artış, sağlayıcıların GPU maliyetlerinin artmasına neden olur. Bu da yapay zeka şirketlerini GPU’ları daha verimli kullanmaya zorlayabilir. Ne var ki bu durum teknoloji devriminin doğasına aykırıdır. Bu sebeple GPU çağın en değerli bileşeni haline geliyor.
GPU, yapay zeka ve enerji tüketiminde stratejik unsur oldu.
Makineler daha hızlı veri işlemek için merkezi işlemci birimi (CPU) yerine grafik işleme birimini (GPU) kullanır. GPU, bir tür elektronik çiptir. Grafiklerle ilgili işlemleri daha verimli gerçekleştirir. Bunu da daha fazla veriyi daha az bir zamanda işleyerek yapar. Aynı zamanda makine öğrenmesi ve yapay zeka uygulamaları için paralel işlem gücü sağlar.
GPU’lar CPU’lara kıyasla daha fazla enerji tüketir. Bunun sebebi, daha fazla transistöre sahip olmaları ve daha yüksek saat hızında çalışmalarıdır. GPU’nun hızı ve yoğunluğu arttıkça enerji tüketimi de artar.
Enerji tüketimini azaltmak için GPU’nun kullanım zamanları ve kalitesi kısıtlanıp hızı düşürülebilir. Böylece enerji tasarrufu sağlanabilir fakat bu bahsettiğimiz gibi çağın doğasına aykırı olur. Neticede yaşadığımız çağ bir hız çağıdır ve yapay zekanın var oluş sebebi de budur. Bu yüzden enerjiye her zamankinden daha fazla ihtiyacımız vardır.
Yapay zeka ve makineleşme, hayatımızın her alanını dönüştürme potansiyeline sahip. Yapılan öngörüler, yapay zeka ve makineleşmenin artan kullanımının enerji talebinde önemli bir artışa yol açacağına işaret ediyor. Bu durumun gelecekte enerji kaynakları üzerinde büyük bir baskı yaratma ihtimali var. Bu dönüşümü sağlayacak enerjiye de bakışımız bu nedenle değişiyor.
Bugün teknoloji şirketleri binlerce yapay zeka modelini eğitiyor. Çıkarım maliyetlerinin bunun 10 katı olduğunu düşündüğümüzde elektronik çiplerin yeni dünya düzenindeki önemini daha iyi anlarız. Her ekonomik düzenin temelinde enerji stratejiktir. Enerjiyi kontrol eden gücü de elinde tutar. Bu sebeple Nvidia gibi mikroçip üreten şirketler yeni dijital düzenin amiral gemisidir.
Nvidia’nın en değerli şirket olması tesadüf değil.
1965 yılında Gordon Moore tarafından yayımlanan bir makale Moore Yasası olarak teknoloji dünyasında kabul gördü. Moore Yasası, entegre devrelerde bulunan transistör sayısının her 18 ayda bir ikiye katlandığını söyler. Transistör sayısının 2 katına çıkması işlemci başına düşen maliyetin de yarıya inmesi demektir. Bu yasaya göre bilgisayar devreleri üzerinde bulunan mikroişlemciler küçülerek verimliliğini 2 katına çıkarmaya bugüne kadar devam etti. Ne var ki teknoloji tahmin edilenden çok daha hızlı gelişti.
Yapılan bir araştırmaya göre 2006 ile 2021 yılları arasında piyasaya sürülen 470 GPU’nun ortalama fiyat/performans oranı dolar başına her 2,5 yılda iki katına çıktı. Bulunan oranın Moore yasasına göre biraz daha yüksek olmasının sebebi makine öğrenmesi dışında kullanılan GPU ların daha yavaş bir iyileşme göstermesi. Nvidia CEO’su Jensen Huang’a göre GPU’lar her 5 yılda verimini 25 kat arttırarak Huang Yasasına göre fiyat/performansını 1,1 yılda 2 katına çıkarmıştır.
Yenilenme zamanının bu kadar kısalması ve yapay zekanın daha yolun başında olması mikroçipi stratejik bir ürün konumuna getiriyor. Özellikle yapay zekaya yatırımların patladığını da düşündüğümüzde Nvidia’nın dünyanın en değerli şirketi olması gayet doğal.
Amerika mikroçip üretimi için teşviklerini arttırıyor. Görselde önümüzdeki 5 yılda şirketlerin mikroçip yatırım haritasından bunu görebilirsiniz.Statista
Bugün ABD ve birçok ülke, yarı iletken imalatını bir milli güvenlik sorunu olarak görüyor. Geleceğin enerjisi konusunda dışa bağımlı olmamak amacıyla kendi topraklarında mikroçip üretecek yatırımlar için kaynak ve teşvik yaratıyorlar.
Özel sektör yapay zekaya yatırım yaptıkça enerji ihtiyacı artıyor.
Yapay zeka kârlı hale geldikçe şirketlerin sektöre yatırımı da artıyor. Şirketler sadece kârlı olmasından değil aynı zamanda çağa adapte olmak için de sektöre yatırım yapıyor. Bunun yanında devletler de yeniden yapılanmak için yapay zekayı kullanıyor. Mesela akıllı şehirler kurmak için yapay zekaya ihtiyaç duyuyorlar. Akıllı şehirlerde trafik akışı ve enerji tüketimi gibi karmaşık sistemleri yönetme işini yapay zeka devralıyor.
Bunun dışında otonom araçların çevrelerini algılaması ve güvenli bir şekilde gezinebilmesi için yapay zekaya ihtiyacı var. Ayrıca teknoloji şirketleri bilgiyi organize etme ve veri işleme işini yapay zekaya devrediyor. Siri, Alexa ve Google Assistant gibi sanal asistanlar, kullanıcıların isteklerini anlamak ve yanıtlamak için büyük dil modelleri geliştirmeye devam ediyor.
ABD, dünyada yapay zekaya yapılan 1,5 milyon dolar ve üzerindeki yatırımlarda pazarın lideri konumunda.
Yeni düzende sektörler kendini güncelliyor.
Yeni bir düzenin arefesinde bankacılıktan imalata, enerjiden bilime kadar kurumlar kendini yeniliyor. Bu bazen şirketlerin birleşmesi, yatırımların artması ya da yeni yatırımlar yoluyla oluyor.
Yukarıdaki görselde küresel kurumların yapay zekaya yaptığı yatırımları görebilirsiniz. 2018’e kadar yavaş giden yatırımlar 8 yılda 30 katına ulaşmış.
2010 yılında 1974 olan toplam patent başvurusu 2020’de 31.664’e yükselmiş. Yapay zekaya ilgi hep olmasına rağmen esas sıçramayı 2020’lerde yaptığını görüyoruz.
Sonuçta enerji maliyetlerini düşüreceğine inandığımız yapay zeka ve makine öğrenmesinin kendisi başlıbaşına bir enerji maliyeti yaratmaktadır.
Dünya enerji senaryoları
Yapay zeka çağı ile artık dünya üzerinde tek başımıza karar alamayacağımız bir döneme girdik. Bunun sebebi yapay zekanın bir üretim aracından öte düşünen ve fikir üreten bir varlık olmasıdır. Yapay zekanın özel durumu, sorunlara bakış açımızı da değiştiriyor. Bu sebeple enerji konusunda bir projeksiyon oluştururken ne olması gerektiğini ya da ne istediğimizi değil neyin olabileceğini tartışıyoruz.
2027 yılına kadar yapay zeka sektörünün her yıl 85 ila 134 terawatt saat tüketebileceği tahmin ediliyor. Tahmin edilen enerji tüketimi şu anda dünya tüketiminin %0,5 civarında. Bu da Arjantin, İsveç ya da Hollandanın yıllık tüketimi kadar bir enerji ihtiyacı anlamına gelir. Ne var ki bunu kripto para ile birleştirdiğimizde yapay zeka ve kripto para biriminin enerji talebi daha da artacaktır. Her iki sektördeki enerji talebi artışı, veri merkezlerinin artmasıyla ilgilidir.
Kripto madenciliğinin büyük sayıda özel bilgisayar sistemine ihtiyacı vardır. Yaklaşık 1 bitcoin oluşturmak için 1450 Kw elektrik harcanması gerekir. Öyle ki Bitcoin’in tek başına yılda 127 terawatt saat (TWh) tükettiği tahmin ediliyor. Mevcut veri merkezi enerji kullanımının 2022’de yaklaşık 460 terawatt saat olduğu tahmin ediliyor. Bu tüketim miktarının 2026’da sırasıyla İsveç veya Almanya’nın enerji talebine eşdeğer olacağı öngörülüyor. Bu da yaklaşık 620 ila 1.050 TWh arasına çıkabileceği anlamına gelir. Sonuçta tüm e-postalarımızı, fotoğraflarımızı, özel videolarımızı ve bulutta dolaşan diğer her şeyi depolamak için veri merkezlerine ihtiyacımız var. Giderek daha fazla sayıda veri merkezi Bitcoin madenciliği yapmak ve yapay zekayı eğitmek için ortaya çıkıyor.
Enerji tüketiminde yapay zeka çözüm müdür?
Bugüne kadar yarattığımız sorunların çözümünde yapay zekadan çok şey bekliyoruz. İklim değişikliği, galaksiler arası seyahat ve şimdi konuştuğumuz enerji sorunları gibi birçok konuda ondan beklentimiz yüksek. Ne var ki şu anda eğitilen ve henüz yolun başında olan çocuk bizi taklit ediyor. Onun öğretmeni olan insanın dünyaya bakışını kopyalıyor.
Yapay zekadan fosil yakıtların optimizasyonu için yararlanabileceğimiz gibi yenilenebilir enerji kaynaklarını entegre etmek için de faydalanabiliriz. Bunun yanında yapay zekayla sınırsız ve temiz enerji sağlayabileceğimiz küçük modüler reaktörler kurabilir ya da daha fazla nükleer silah sahibi de olabiliriz.
Yapay zekanın yetenekleri her konuda bizden çok ileridedir ama bu yetenekler bugün bizim bakış açımıza göre şekillenmektedir. Sonuçta bugün kontrol bizde olsa da yarın bunu kaybedebiliriz.
Dünya nüfusu robotlarla artar.
Yapay zeka hız kesmeden kendisini geliştirmeye devam ediyor. Bu da yakın gelecekte yapay zekada 3. faz olan “Süper Zeki Makineler” ile yan yana yaşayacağımız anlamına gelir. Şu anda sanayide robotlaşma ilerlese de yakında her evde bir hizmetçi robot olabilir. Bunun yanında evimizde hayvanlarla beraber bir robot dostumuz da olabilir. Böyle bir durumda yeni bir toplum yapısı da olacaktır. Bu durumda ihtiyacımız olan enerji katlanır.
Teknolojinin hızını kesmeden ilerlediğini düşündüğümüzde gelecekte insan nüfusu kadar bir varlığı dünya nüfusuna dahil edebiliriz. Bu kadar insanla beraber bu kadar robot ve makinenin ihtiyacı olan enerji kaynaklarını da sağlamamız gerekir.
Sonuç
Enerji önümüzdeki yılllarda çok önemli bir yere oturacak. Bugün yapay zekayla yeni bir dijital düzen kuruyoruz. Yapay zeka bu yeni düzenin motoru.
Her zorluk beraberinde çözümünü getirir. Belki de enerji sorununu bugünün mantık çerçevesinde tartışarak hata yapıyoruz. Teknolojinin bizi çok farklı bir dünyaya götürdüğünü de bilmemiz gerekiyor.
Kuantum çağının arefesindeyiz. Değişim o kadar hızlı oluyor ki yeni kabul ettiğimiz dijital dünya yerini kuantum çağa bırakıyor. Bunun sonucunda dijital bilgisayarlar da yerini transistörlerin olmadığı kuantum bilgisayarlara bırakıyor. Yapay zeka ve kuantum bilgisayarların birleşmesi en büyük sorunların çözümünü de kendiliğinden getirebilir. Henüz hızına yeni adapte olmaya başladığımız dijital düzen yakın gelecekte bize ilkel gelebilir .
