M. Nilgün Ercan
Yapay zekâ (YZ) sistemlerinin önemli uygulanma alanlarından birinin de enerji sektörü olması bekleniyor. Bilindiği gibi, fosil yakıtlara dayalı enerji sistemlerinden kaynaklanan,başta karbondioksit olmak üzere, sera gazı salımının küresel iklim değişikliğine etkisi nedeniyle elektrik üretiminde güneş, rüzgâr gibi yenilenebilir enerji kaynaklarının payının artması hedeflenmekte. Bunun yanı sıra enerji verimliliğinin iyileştirilmesi, ısı pompalarının yaygınlaşması, yenilenebilir enerji kaynaklarından elektroliz yoluyla elde edilen hidrojen ile amonyak, sentetik metan gibi türevlerinin enerji amaçlı kullanımı gibi seçenekler enerjinin karbonsuzlaşması sürecinde gündemde olan teknolojiler.
Ancak, yenilenebilir kaynakların kesikli olması nedeniyle elektrikte arz güvenliği ve arz-talep dengesinin sağlanması önemli hale geliyor. Bu amaçla enerjinin depolanması gibi teknolojik önlemler gündemde olsa da geleceğin güç sistemlerinde yenilenebilir enerjinin ne zaman elde edilebileceği ve ne zaman ihtiyaç duyulduğunun belirlenmesi önemli olacak. Tam da bu hususta, YZ sistemlerinin enerji sektöründe öncelikle arz-talep öngörülerinin iyileştirilmesine katkıda bulunması bekleniyor (1). Örneğin, Google ve YZ alanındaki bağlı kuruluşu DeepMind 2019 yılında 700 MW’ lık yenilenebilir enerji filosu için öngörülerin doğruluğunu arttırmak amacıyla yapay bir sinir ağı geliştirdi.
Yapay ağ, geçmişe dönük veriler üzerinden, 36 saate kadar ulaşan bir sürede elde edilebilecek üretimi önceden ve daha yüksek bir doğrulukla tahmin edebilecek bir model oluşturdu. İsviçre kökenli imalatçı ABB firması ticari binalar için pik yüklerden kaçınılmasını ve tarifelerden yararlanılmasını sağlayan YZ bazlı bir talep tahmin uygulaması geliştirdi.
YZ’ nin bir diğer uygulama alanı kestirimci bakım (predictive maintenance); bu yolla potansiyel arıza ve hataları önceden saptamak amacıyla enerji sistemlerinin performansı sürekli gözetim altında tutuluyor ve analizi yapılıyor. İtalyan firması Enel 2019 yılında titreşim seviyelerini saptamak amacıyla iletim hatlarına sensörler monte etti. Makine öğrenmesi (Machine learning) algoritmaları, Enel firmasına elde edilen verilerden potansiyel sorunları belirleme ve bunların nedenlerini anlama olanağı sağladı. Bunun sonucunda firma hatlarda devre dışı kalma sayısını %15 oranında azalttı.
Başka örnekler de vermek mümkün: Estonya’dan teknoloji firması Hepta Airborne sorunları saptamak amacıyla iletim hatlarını dronlarla görüntülemek üzere makina öğrenmesi platformundan yararlanıyor. Çin’in Devlet Elektrik Şebekesi Şirketi (State Grid Corporation of China) akıllı sayaçlardan alınan verileri analiz ederek müşterilerin ekipmanındaki sorunları belirlemek üzere YZ’yi yaygın olarak kullanıyor.
Ancak, YZ teknolojisi sektörde yaygınlaşmadan önce ortaya çıkan potansiyel riskleri de gözden kaçırmamak gerekli; bu riskler arasında siber güvenlik, verilerdeki hataların etkisi, yetersiz eğitimden kaynaklı yanlış korelasyonlar, kodlama ve veri hataları gibi unsurlar sayılabilir. Kalifiye eleman eksikliği de bunlara eklenebilir.
Otomatik hale gelmiş ve kendi kendine öğrenen yazılımların kullanımı arttıkça ortaya önemli bir soru da çıkıyor: Bu sistemlerin çıktılarından kim sorumlu olacak? İşletmeciler YZ ve destek hizmetlerini genellikle Bilişim (IT) firmaları veya yeni girişimcilerden satın alıyor. Elektrikte arz-talep dengesini korumak veya yatırımlar için karar vermek gibi kontrolleri altında olmayan alanlarda, kamu harcamalarında hesap verebilirlik, fiyatlar veya arzın kesintiye uğraması halinde kimin sorumlu olacağına dair meseleler ortaya çıkıyor (1).
Enerji tüketimi:
YZ sistemleri ile enerji arasında karşılıklı bir ilişki olduğunu göz ardı etmemek gerekiyor. Bu sistemlerin enerjinin karbonsuzlaşması sürecinde rol oynaması bekleniyor ama enerji de YZ sistemlerinin temel girdisi. YZ uygulamaları ve bu amaçla yapılan yatırımların giderek artması enerji tüketimi artışına dair kaygıları da beraberinde getiriyor. Henüz YZ kullanımının enerji tüketimine ve çevresel etkilerine ilişkin sistematik ve geniş ölçekte veri toplanması olanağı bulunmamakla birlikte yeni modeller geliştikçe daha fazla şeffaflık gerekiyor. Google, 2022 yılında makine öğrenmesi uygulamasının geçmiş üç yıldaki enerji tüketiminin %15’ine karşılık geldiğini rapor etti. Sadece tek bir modelin çalıştırılmasının ABD’deki 100 evin bir yıllık elektrik tüketiminden fazla olduğu belirtiliyor (1). Dünya Ekonomik Forumu internet sayfasında yer alan 22 Temmuz 2024 tarihli bir makaleye göre, ChatGPT ‘yi yapan Open AI’ye yatırım yapan Microsoft, veri merkezlerindeki genişlemeye bağlı olarak 2020’den beri sera gazı salımlarının yaklaşık %30 arttığını belirtti. Özellikle üretken YZ kullanımının aşırı derecede enerji yoğun olması ve geleneksel veri merkezlerine kıyasla çok fazla elektrik tüketmesi söz konusu (2).
Bu tespitler, modeller büyüdükçe tüketimlerinin izlenmesi ve veri toplanmasına ihtiyaç olduğunu gösteriyor. Günümüzde veri merkezlerinin elektrik tüketimi küresel talebin sadece %1’i düzeyinde olmakla birlikte yerel durum farklılıklar gösterebiliyor. ABD, Çin ve AB’de veri merkezlerinin tüketimi toplam elektrik tüketiminin %2-4’ü civarında iken, en az beş ABD eyaletinde %10’u, İrlanda’da %20’yi aşmış durumda (3). Özellikle veri merkezlerinin yapımının kısa sürede tamamlanmasına karşılık şebekenin genişletilmesi ve güçlendirilmesi ile üretim kapasitesinin artmasının daha uzun zaman alacağı dikkate alınırsa bu durum yerel elektrik şebekesinde sorunlar doğurabilir. Bu süreçte dikkat çekici gelişmeler olarak, Microsoft’un, 1979’da 2. ünitesindeki kısmi çekirdek erimesi nedeniyle kapatılan Three Mile Island nükleer santralını satın alma girişiminde bulunması, Meta firmasının enerji temini için nükleer enerjiyi kullanma planları medyada yer aldı.
Yüksek enerji tüketimine karşılık gerek donanım gerekse yazılım düzeyinde verimliliği arttıran önlemlere de işaret ediliyor. YZ bağlantılı bilgisayar çiplerinin verimleri her 2,5 -3 yılda ikiye katlanıyor. Modern çipler 2008 yılındaki modellere göre aynı işlemi yapmak için %99 daha az güç kullanıyor. Yeni soğutma teknolojileri geliştiriliyor ve YZ sistemleri daha verimli hale geliyor (3). Örneğin, çip üreticisi Nvidia üretken YZ sistemlerini çalıştırmak için 25’te bir düzeyinde enerji harcayarak daha yüksek performans sağlayan süper çip ürettiklerini iddia ediyor (2). Veri merkezlerinin işletme ve enerji performansları konusunda şeffaflığı arttırmak için yeni düzenlemeler oluşturulması bekleniyor.
Diğer yandan, YZ sistemlerine yönelik talep artışının önünde oluşabilecek bazı fiziksel darboğazlar da söz konusu olabilir. Örneğin, çip üretiminin talep karşısında yetersiz kalması ya da yukarıda belirtildiği gibi elektrik şebekesi yatırımlarının gecikmesi gibi.
Konuyla ilgili çevreler tarafından YZ sistemlerinin enerji sektöründeki etkilerinin ve uygulanma alanlarının daha ayrıntılı analiz edilmesine ihtiyaç duyulduğu ve bu amaçla enerji sektörü, teknoloji şirketleri, akademinin katılımıyla kamu ve özel sektör arasındaki diyalogun önemli olduğu vurgulanıyor.
Kaynaklar:
1- Vida Rozite, Miller, J, Oh S., 2 Kasım 2023, Why AI and energy are the new power couple – Analysis – IEA
2- World Economic Forum, 22 Temmuz 2024 AI and energy: Will AI reduce emissions or increase demand? | World Economic Forum
3- Thomas Spencer, Singh, S. 18 Ekim 2024 ,What the data centre and AI boom could mean for the energy sector – Analysis – IEA