Giriş
Yapay zeka, GenAI, kendi kendine öğrenen robotlar ve benzeri şeylerle dünyayı sarstı!
Ancak nimetle birlikte felaket de tamamlayıcı bir şekilde geliyor… Yapay zeka büyük adımlar atıyor, gücü çok büyük ve potansiyeli büyük, ancak yine de devreleri içinde endişe gölgeleri yatıyor.
Bir röportajda insanlığı yok etme yönünde olumlu yanıt veren dünyanın ilk insansı robotu Sophia’yı duymuş olabilirsiniz. Bu, yapay zekanın korkutucu karanlık tarafının farkına varmamızı sağlar ve sorumlu yapay zeka gelişimini savunmamıza güç verir.
Ayrıca MIT tarafından geliştirilen Norman (dünyanın ilk “psikopatik yapay zekası) ve Shelley (Korku hikayesi yazarı) Makine Öğrenmesinin olumsuz taraflarını açıkça göstermektedir.
Ancak 21. yüzyılın asıl sorunu ÇEVRE’dir .
Yapay Zekanın Büyüyen Çevresel Ayak İzi.
Apple Co.’nun sanal asistanı SIRI’den, Meta tarafından geliştirilen büyük metin verileriyle eğitilmiş büyük bir dil modeli (LLM) olan Meta’nın Llama 3’üne kadar, yapay zeka beşinci viteste ilerliyor.
Ayrıca büyük yapay zeka modellerinin eğitimi, büyük miktarda enerji ve bilgi işlem gücü gerektirir ve bu da sera gazı emisyonlarına katkıda bulunur. Yapay zekanın fiziksel altyapısının aynı zamanda çevresel bir ayak izi de var. Yapay zeka daha gelişmiş ve her yerde bulunur hale geldikçe, artan enerji talepleri konusunda endişeler ortaya çıkıyor.
Ancak büyük firmalar yapay zekanın insanlığın çevresel ayak izini azaltmaya yardımcı olabileceğine inanıyor!
Kafa karıştırıcı değil mi?
Yapay zekanın karanlık tarafını ve büyüyen çevresel ayak izini öğrenelim.
İçindekiler
Yapay Zeka İnsanlığın Çevresel Ayak İzini Azaltabilir mi?
Yapay zeka, insanlığın karmaşık çevresel ayak izini azaltabilir ve buna belirsizlik ve şüpheyle yaklaşmak anlaşılabilir bir durumdur. Teknoloji şirketleri yapay zekanın sağlık hizmetlerinden iklim modellemeye kadar çeşitli alanlarda verimliliği ve sürdürülebilirliği artırma potansiyelini öne çıkarırken, gerçek bu kadar basit olmayabilir.
Bir yandan, yapay zeka sistemlerinin geliştirilmesi ve işletilmesi muazzam miktarda enerji ve bilgi işlem gücü tüketiyor ve bu da potansiyel olarak sera gazı emisyonlarına ve çevresel baskıya katkıda bulunuyor. Ancak destekçiler, yapay zekanın süreçleri optimize edebileceğini, israfı azaltabileceğini ve devreye girdikten sonra iklim değişikliğinin etkilerini hafifletmek için değerli bilgiler sağlayabileceğini savunuyor.
Ancak bu iddiaların geçerliliği, yapay zekanın hiç bitmeyen karbon ayak izleriyle çelişiyor. Yapay zekanın net çevresel etkisi muhtemelen daha büyük sistemlerde nasıl uygulandığına ve yönetildiğine bağlıdır. Yapay zeka belirli sürdürülebilirlik çabalarına yardımcı olsa da, enerji yoğun doğası ve istenmeyen sonuçlara yol açma potansiyeli, genel etkisi hakkında geçerli endişelere yol açıyor. Daha kapsamlı bir analiz ve sorumlu yönetim, yapay zekanın çevresel zorluklarımızı hafifletip hafifletemeyeceğini belirlemek için çok önemli olacaktır.
Yale Araştırması: Yapay Zeka Büyük Enerji Tüketimiyle Yükseliyor
ChatGPT, Bard ve diğer modellerin piyasaya sürülmesinden önce Sundar Pichai, yapay zekanın ateşten, elektrikten veya internetten daha derin olduğunu söylemişti.
Kabul ediyorum, kesinlikle yeni bir dönemin başlangıcı ama SONUÇLARI var . Modelin büyük işleme makinelerinde eğitilmesiyle, yapay zekanın çevresel ayak izinin büyük olduğu ve büyümekte olduğu ve önümüzdeki yıllarda görünür olacağı açıktır.
Yapay zeka modelleri daha güçlü ve karmaşık hale geldikçe, eğitim ve operasyon sırasında büyük miktarda bilgi işlem gücü ve elektrik tüketiyor.
Yale’de yapılan bir araştırmaya göre ChatGPT 3’ün her 10 ila 50 kullanıcı yanıtı için yaklaşık yarım litre su kullandığını biliyor musunuz ? OpenAI ChatGPT’nin Kasım 2022’de piyasaya sürülmesinin ardından 100 milyon kullanıcıya ulaştı.
Şimdi bugünkü kullanıcı sayısını hayal edin!
Yapay zekanın enerji ayak izine ilişkin bazı önemli hususlar:
- GPT-3 gibi en büyük dil modelleri, tüm ülkelerinkine eşdeğer karbon ayak izine sahip, şaşırtıcı miktarda enerji kullanıyor. GPT-3 eğitiminin 550 tondan fazla CO2 eşdeğeri saldığı tahmin ediliyor .Bu, New York ile Pekin arasındaki 125 gidiş-dönüş uçuşun karbon ayak izine eşdeğer.
- Modeller katlanarak büyüdükçe, gereken enerji süper doğrusal olarak artar. Yapay zeka öncüleri, gelecekteki modellerin ulus devlet düzeyinde enerji gerektirebileceği konusunda uyarıyor.
- Sadece eğitimin ötesinde, bu büyük modellerin geniş ölçekte çıkarım amacıyla çalıştırılması, genellikle göz ardı edilen çok büyük bir enerji maliyeti de taşır.
Yapay zeka alanı, modeller daha yüksek yetenekler peşinde şiştiği için enerji verimliliğini artırmaya odaklanmadığı için eleştirildi. Bununla birlikte, daha verimli yapay zeka mimarileri geliştirmek , donanım/yazılımı optimize etmek, budama/damıtma gibi tekniklerden yararlanmak ve bilgi işlem için yenilenebilir enerji kaynaklarına giderek daha fazla güvenmek için de çaba sarf ediliyor .
Yapay zeka ne kadar dönüştürücü olursa olsun, kontrolsüz enerji kullanımı, proaktif olarak ele alınması gereken ciddi çevresel sonuçlar doğurabilir. Enerji tasarruflu yapay zekanın geliştirilmesi, teknoloji ilerledikçe uzun vadeli sürdürülebilirlik açısından büyük olasılıkla hayati önem taşıyacak.
- LLM’lere güç veren veri merkezleri, elektrik tüketimi, soğutma sistemleri ve donanım üretimindeki yerleşik karbon yoluyla sera gazı (GHG) emisyonlarına önemli ölçüde katkıda bulunuyor. Yale’in araştırmasına göre veri merkezi enerji kullanımının 2026 yılına kadar 1.000 TWh’ye (Japonya’nın tüketimi de buna benzer), 2030 yılına kadar ise 2.500 TWh’ye çıkması öngörülüyor.
- Yüksek Lisans’ların parçalanması: Yüksek Lisans’lar belirli görevler veya endüstriler için daha uzman hale gelir ve çok sayıda model varyasyonunun geliştirilmesi, artan eğitim gereksinimleri nedeniyle çevresel sonuçları yoğunlaştırır.
Şiir yazmak veya e-posta taslağı hazırlamak gibi görevler için tasarlanan gelişmiş yapay zeka modelleri, akıllı telefonlar gibi kişisel cihazların sağlayamayacağı kadar büyük bir hesaplama gücü gerektirir. Bu büyük yapay zeka modellerinin, genellikle yoğun hesaplamalar için tasarlanmış güçlü grafik işleme birimlerinden (GPU’lar) yararlanarak milyarlarca hesaplamayı hızlı bir şekilde yürütmesi gerekir .
Bu büyük yapay zeka modelleri, verimli bir şekilde çalışmak üzere GPU donanımlı bilgisayarlarla dolu devasa bulut veri merkezlerinde konuşlandırılıyor. Veri merkezi ne kadar büyük olursa enerji açısından da o kadar verimli olur. Yapay zekanın enerji verimliliğindeki son gelişmeler kısmen, 1 veya 2 milyon metrekareden fazla alana yayılabilen, tipik 100.000 metrekarelik bulut veri merkezini gölgede bırakan “hiper ölçekli” veri merkezlerinin inşa edilmesinden kaynaklandı.
Uluslararası Enerji Ajansı (IEA), dünya çapında tahmini 9.000 ila 11.000 bulut veri merkezinin ve daha fazlasının yapım aşamasında olduğunu tahmin ederek, 2026 yılında veri merkezlerinin elektrik tüketiminin 2022’ye kıyasla iki katına çıkarak 1.000 terawatt’a ulaşacağını öngörüyor. Bu, gelişmiş yapay zeka yeteneklerini güçlendirmenin giderek artan enerji taleplerini vurguluyor.
Karbon Ayak İzini Artırmamanın Çözümleri
İşte yapay zeka modellerinin artan karbon ayak izine çözümleri:
- Kapsamlı veriler olmadan etkili yapay zeka modelleri geliştirme : Sabit boyut artışları yerine hedeflenen, alana özgü yapay zeka modellerine öncelik vermek, kaynak kullanımını optimize edebilir ve belirli kullanım durumlarını verimli bir şekilde ele alarak çevresel etkiyi en aza indirebilir.
- Hızlı mühendislik, hızlı ayarlama ve modelde ince ayar: Bu teknikler, donanım kullanımını optimize edebilir ve temel modelleri ( üretken yapay zeka ) görevlere uyarlarken yapay zeka modelinin ayak izini azaltabilir .
- Kaynakları kısıtlı cihazlar ve özel donanıma yönelik teknikler: Niceleme, damıtma ve istemci tarafı önbelleğe alma gibi yöntemlerin yanı sıra özel donanıma (örneğin, bellek içi bilgi işlem, analog bilgi işlem) yatırım yapmak, yapay zeka modeli performansını artırabilir ve genel performansa katkıda bulunabilir. Sürdürülebilirlik.
- Yapay zeka operasyonlarını enerji açısından verimli veri merkezlerine kaydırma: Hesaplamalı iş yüklerini daha yeşil uygulamalarla veri merkezlerine aktarmak, bulutta yapay zeka yürütmeyle ilişkili genel yapay zeka karbon ayak izini azaltabilir.
- Temel Model Şeffaflık Endeksi: Stanford, MIT ve Princeton’dan çok disiplinli bir ekip tarafından tasarlanan bir puanlama sistemi, model oluşturma, işlevsellik ve alt kullanım gibi yönleri dikkate alarak üretken yapay zeka modellerinin şeffaflığını değerlendirir.
- Zorlukları ve potansiyeli kabul etmek: Zorluklar önemli olsa da yapay zekanın sürdürülebilirlik alanında dönüştürücü bir unsur olarak potansiyeli de aynı derecede önemlidir.
Ayrıca, Yüksek dil modellerinin çevresel etkilerini azaltmaya yönelik potansiyel Çözümler şunları içerir:
- Model optimizasyonu yoluyla verimli enerji kullanımı (örn. DeepMind AI, Google Veri Merkezi Soğutma Faturasını %40 Azaltır ).
- Veri merkezleri için yenilenebilir enerji kaynaklarının kullanımının artması .
- Yapay zeka uygulamaları için enerji açısından daha verimli donanımların geliştirilmesi.
- Çıkarım veya eğitim aşamaları sırasında enerji tüketimini azaltmak için algoritmaları değiştirmek .
Çözüm
Sonuç olarak, “Yapay Zekanın Karanlık Yüzü: Büyüyen Çevresel Ayak İzi” konulu tartışma, yapay zeka teknolojilerinin çevresel ayak izine ilişkin artan endişenin ve bunların olumsuz etkilerini azaltmak için proaktif önlemlere duyulan ihtiyacın altını çiziyor. Yapay zeka ilerledikçe ve çeşitli sektörlere daha entegre hale geldikçe, kuruluşların ve bireylerin yapay zeka sistemlerini geliştirme, dağıtma ve kullanımdan kaldırma konusunda sürdürülebilirliğe öncelik vermesi gerekiyor. Bu, yapay zeka odaklı süreçlerin ekolojik etkisini en aza indirmek için çevreye duyarlı uygulamaları ve teknolojileri benimsemeye yönelik kolektif bir çaba gerektirir.