Garg, I. Kitsara, S. Bérubé / Şubat 2025
12 Şubat 2025’te OECD ve IEEE, yapay zekanın artan çevresel zorluklarını tartışmak üzere çeşitli uzmanlardan oluşan bir grupla Fransız Yapay Zeka Eylem Zirvesi’nin marjında bir etkinlik düzenledi. Etkinlikte kritik sürdürülebilirlik endişeleriyle ilgili üç ana oturum vardı: çıkarımın çevresel maliyeti, veri merkezlerinin elektrik şebekesi üzerindeki etkisi ve yapay zekanın su ayak izi.
Oturum 1: Çıkarımın çevresel maliyeti
Yapay zeka sayısız endüstriyi devrim niteliğinde değiştirmiş olsa da, çevresel etkisi acil bir konudur. Yapay zeka modellerinin enerji yoğun eğitimi çok fazla ilgi görmektedir, ancak eğitilmiş yapay zeka modellerinin kullanıldığı çıkarım aşaması, önemli uzun vadeli çevresel maliyeti daha da belirginleşmektedir. Tartışmalar, ölçek düzeyi göz önüne alındığında eğitimden daha fazla enerji tüketimine neden olabilen çıkarımın sürdürülebilirlik için nasıl giderek artan bir zorluk oluşturduğuna odaklanmıştır.
Yapay zeka çıkarımından kaynaklanan artan enerji tüketimi
Panelistler, özellikle modeller ölçeklenip karmaşıklaştıkça, YZ çıkarımının önemli enerji gereksinimlerini kabul ettiler. Bir konuşmacı, bazı modeller için çıkarımın maliyetinin artık 50 milyon kullanımdan sonra eğitim maliyetinden daha ağır bastığını ve mevcut teşviklerin şirketleri YZ’nın enerji kullanımını optimize etmeye teşvik etmediğini belirtti. Bu, şirketlerin sürdürülebilirlikten ziyade finansal kazancı önceliklendirmesine yol açarak, teknolojik ilerlemeyi çevresel sorumlulukla dengelemek için daha güçlü düzenleyici çerçevelere olan ihtiyacın altını çizdi. Moderatör, çıkarım sürecini optimize etmenin, örneğin model düzeyinde gereksiz hesaplamaları azaltarak enerji tüketimini en aza indirebileceğini vurguladı.
Karbon ayak izini azaltmak için yapay zeka çıkarımını optimize etmede geliştiricilerin rolü
Geliştiriciler, yapay zekanın çevresel etkisini en aza indirmede önemli bir rol oynar. Bir konuşmacı, yazılım geliştirme seçimlerinin kritik değerlendirmeleri ve daha küçük, daha verimli yapay zeka modellerinin önceliklendirilmesini önerdi. Bir panelist, bunun yapay zeka ile ilgili mesleklerde “yeşil becerilere” olan artan taleple bağlantılı olduğunu söyledi. Enerji yönetimi ve çevresel, sosyal ve yönetişim (ESG) politikası gibi beceriler, yapay zeka karbon ayak izini azaltmada giderek daha değerli hale geliyor.
Enerji verimliliği iddialarının değerlendirilmesi
Konuşmacılardan biri ayrıca DeepSeek gibi bazı modellerin eğitim sırasında daha fazla enerji tasarrufu sağladığını ancak özellikle sorguları tamamlamak için daha uzun akıl yürütme süresi sağladıklarında çıkarım aşamasında ne kadar verimli oldukları konusunda hala belirsizlikler olduğunu belirtti. Bu son gelişmelerin çevresel etkisi hakkında hala bir araştırma yok ve AI’nın çevresel maliyetini gerçekçi bir şekilde ölçmek için şeffaf değerlendirmelere ihtiyaç var.
Oturum 2: Veri merkezlerinin elektrik şebekesine etkisi
Yapay zeka genişledikçe, yapay zeka sistemlerinin omurgası olan veri merkezleri, dünyanın elektrik şebekelerine giderek artan bir baskı uyguluyor. Bu devasa tesisler muazzam miktarda enerji tüketiyor ve bu da sürdürülebilirlik, şebeke istikrarı ve güvenilirlik konusunda endişelere yol açıyor.
Veri merkezleri büyük enerji tüketicileri olarak
Moderatör, veri merkezlerinin enerji tüketimine ilişkin güvenilir tahminler elde etmenin zorluğunu ve enerji tüketiminin ne ölçüde yapay zekaya özel olarak açıklanabileceğini vurguladı ve bu da sorunun büyüklüğünü tam olarak anlamayı zorlaştırdı. Ancak konuşmacılar, yapay zekanın artan enerji talebine katkıda bulunmasına rağmen küresel elektrik tüketiminin en büyük itici gücü olmadığı görüşünü dile getirdiler. Örneğin, ulaşım sektörünün elektriklendirilmesi, elektrik kullanımı açısından yapay zekayı geride bırakıyor. Bir panelist, emisyon hesaplamalarındaki belirsizliği azaltmak için gerçek zamanlı bulut enerjisi takibinin öneminden bahsetti.
Yenilenebilir enerji ve karbon dengeleme çalışmaları
Google gibi bazı şirketler, 2030 yılına kadar veri merkezlerinde temiz elektrik sağlama taahhüdünde bulundu. Ancak bir konuşmacı, bu çabalara rağmen yenilenebilir enerji kaynaklarının 2025 yılına kadar talebi karşılamaya yetmeyebileceği konusunda uyardı. Yapay zekanın 7/24 enerji ihtiyaçları göz önüne alındığında, kapsamlı politika değişiklikleri yapılmadığı takdirde fosil yakıtlara güvenmeye devam etme riski bulunmaktadır. Bir katılımcı, SMR’ler (küçük modüler reaktörler) dahil olmak üzere nükleer enerjinin yapay zeka sürdürülebilirliğinde oynayabileceği rolün genellikle göz ardı edildiğini belirtti. AWS’nin İrlanda’daki projeleri gibi veri merkezleri tarafından üretilen ısının yeniden kullanılmasına odaklanan bir diğer ortak girişim. Ancak, bu çabaları sorumlu bir şekilde ölçeklendirmek önemli bir zorluktur.
Enerji talebini modüle edin
Ayrıca, gece boyunca cep telefonlarının şarj edilmesi de göz önünde bulundurulduğunda, enerji talebinin azaltılmasına yardımcı olabilecek veri merkezlerinin konumu ve mobil cihazların çıkarım amacıyla kullanılması gibi diğer hususlara da değinildi.
Oturum 3: Yapay zeka su kullanımı
Yapay zeka destekli veri merkezleri yalnızca büyük miktarda enerji tüketmekle kalmıyor, aynı zamanda veri merkezlerinde soğutma amaçları ve yapay zekaya özgü donanım üretimi veya su yoğun elektrik üretimi gibi yapay zeka yaşam döngüsünün diğer bölümleri için de büyük miktarda suya ihtiyaç duyuyor. Suyun kıt olduğu bölgelerde, bu durum yerel su tedarikine baskı yapıyor ve ciddi endişelere yol açıyor. Moderatör, su tüketiminin enerji tüketimiyle aynı düzeyde ilgi görmediğini, hesaplamaların karmaşık olduğunu, genel kabul görmüş ölçütler olmadan yapıldığını ve düzenleyici uyumluluk gerekliliklerine dahil edilmediğini vurguladı; bu da neden yetersiz ölçülmeye devam ettiğini açıklayabilir.
Yapay zekanın gizli su ayak izi
Bir konuşmacı, özellikle büyük ölçekli olan AI modellerinin sunucuları soğutmak için önemli miktarda suya ihtiyaç duyduğunu açıkladı. Veri merkezleri genellikle soğutma için tatlı su kullanır ve bu da buharlaşma nedeniyle önemli miktarda su kaybına yol açar. Bu yalnızca çevreyi etkilemekle kalmaz, aynı zamanda içme ve tarımsal kullanım için bu suya bağımlı olan yerel topluluklar için de risk oluşturur. Sorunu daha da kötüleştirmek için, AI’nın dolaylı bir su ayak izi de vardır. Örneğin, yarı iletken tüketimi su kullanır, AI operasyonları için elektrik üretimi de su kullanır.
Yapay zekanın su ayak izinin ölçülmesi
Yapay zekanın su kullanımını ele almadaki temel zorluklardan biri, su tüketimini ölçmek için standartlaştırılmış araçların eksikliğidir. Bir konuşmacı, veri merkezlerindeki su kullanımının somut kullanım ve operasyonel kullanım olarak ikiye ayrılabileceğini açıkladı. Somut kullanım, yani donanım üretiminde kullanılan su, yapay zeka ile ilgili tüketimin %30’unu temsil ediyor. Operasyonel kullanım, veri merkezlerini ve yapay zeka model işlemeyi soğutmak için kullanılan suyu ifade ediyor. Yapay zeka ile ilgili su tüketiminin %70’ine eşit. Ancak bir konuşmacı, birçok şirketin su kullanımı için bir vekil olarak enerji tüketimini kullandığını, ancak bu yöntemlerin %500’e kadar bir hata payına sahip olduğunu ve bu nedenle şirketlerin genellikle su tüketimlerinin gerçek ölçeğinden habersiz kaldığını belirtti.
Coğrafi ve etik hususlar
Bir konuşmacı, mevcut küresel su tahsisinin zaten sürdürülemez olduğunu belirtti: Şu anda Sürdürülebilir Kalkınma Hedefi 6 su hedeflerini karşılama yolunda değiliz ve yapay zeka, durumu daha da kötüleştiren bir faktör. Yapay zeka su tüketimi, toplumsal adalet sorunudur. Birçok veri merkezi, su kıtlığı yaşanan bölgelerde yer almaktadır ve bu durum yerel su kıtlığını daha da kötüleştirebilir ve kaynaklar için rekabet yaratabilir. Tüm konuşmacılar, suyun yerel bir sorun olduğunu vurguladı.
Fiyatlandırma Paradoksu: Suyun değerinin yeterince bilinmemesi
Katılımcılardan biri önemli bir soru sordu: Suyun korunmasını teşvik etmek için farklı fiyatlandırılması gerekir mi? Konuşmacılar suyun genellikle “ücretsiz” bir kaynak olarak görüldüğünü savundular, ancak bu zihniyet su kıtlığıyla ilişkili riskleri hesaba katmamaktadır. Bu nedenle, suya atfedilen maliyet ve değer arasında bir ayrım vardır. Su fiyatlandırmasını gerçek maliyetini yansıtacak şekilde ayarlayarak, şirketler ve tüketiciler suyu daha verimli kullanmaya teşvik edilebilir.
Şeffaflık ve hesap verebilirlik
Yapay zekanın su kullanımı sorununu ele almak için bir konuşmacı, şirketlerin sürdürülebilirlik çabalarının bir parçası olarak su tüketimlerini ifşa etmeleri gerektiğini önerdi. Sektörden bir temsilci, yeni veri merkezlerinin tatlı su kaynaklarına olan bağımlılıklarını azaltmak için kanal veya deniz suyu gibi içilemez su kaynaklarını kullandığını, diğerlerinin ise veri merkezlerinde tatlı su kullanımını azaltmak için şirket içi atık su arıtımına sahip olduğunu belirtti.
İleriye giden yol: İşbirliği anahtardır
Etkinlik boyunca, tüm sektörlerde iş birliği için tekrarlayan bir çağrı yapıldı. OECD, yapay zeka gelişiminin sürdürülebilirlik hedefleriyle uyumlu olmasını sağlamak için (yerel) hükümetler, endüstriler, akademi, yerli halklar da dahil olmak üzere vatandaşlar ve IEEE gibi standart belirleme kuruluşlarının dahil olduğu çok paydaşlı iş birliğine olan ihtiyacı vurguladı. Bu duygu, yapay zekanın çevresel etkisini kapsamlı bir şekilde ölçmek ve yönetmek için standartlaştırılmış ölçümlerin önemini vurgulayan ve katılımcıları IEEE P7100 standardizasyon çalışmasına katılmaya davet eden IEEE tarafından da dile getirildi.
Tartışma sona erdi, katılımcılar kaydedilen ilerlemeyi ve yapılması gerekenleri kabul ettiler. Yapay zekanın çevresel, enerji ve su kullanımı zorluklarının karmaşıklığı, devam eden araştırma, politika yeniliği ve teknolojik ilerlemeler gerektiriyor. İyi haber şu ki, yapay zeka evrimleşmeye devam ettikçe, çevresel ayak izine ilişkin anlayışımız da evrimleşiyor. Birlikte çalışarak, yapay zekanın hem yenilikçi hem de sürdürülebilir olduğu bir gelecek yaratabiliriz.
Yapay zekanın çevresel etkisi, kolektif çabalar gerektiren acil bir konudur. Geleceği şekillendirmeye devam ederken, model geliştirmeden dağıtıma kadar yaşam döngüsünün her aşamasında sürdürülebilirliğe öncelik vermeliyiz. Çabalarımızı uyumlu hale getirerek ve bilgi paylaşarak, yapay zekanın çevresel maliyetlerini azaltabilir ve herkes için daha yeşil, daha sürdürülebilir bir gelecek inşa edebiliriz.
https://itcc.ieee.org/blog/the-hidden-cost-of-ai-unpacking-its-energy-and-water-footprint/