ChatGPT; teknolojinin enerji ağırlıklı sabırsızlığı tetikleyerek çok şeyi kaçırması, iklim için felaket olabilir…
Gelişmekte olan teknoloji genellikle beş aşama sonrası hayatına devam eder. Uyarısını yapan Gartner Hype Cycle, belirli teknolojilerin olgunluğunu, benimsenmesini ve sosyal uygulamasını gözler önüne seriyor. Araştırma, danışmanlık ve bilgi teknolojisi firması Gartner tarafından geliştirilen bir grafiksel sunumda belirlenen aşamalar şu şekilde belirtiliyor: Teknoloji Tetikleyici, Şişirilmiş Beklentilerin Zirvesi, Hayal Kırıklığı Çukuru, Aydınlanma Eğimi, Verimlilik Platosu.
Peki yapay zekâ bu grafiğin neresinde?
Garter’a göre üretken yapay zekâ (ChatGPT, Midjourney, Bard vb.) şişirilmiş beklentilerin zirvesine daha yeni ulaşmış durumda. Bu, teknoloji endüstrisinin yapay zekanın çığır açıcı olacağı ve yakında her yerde bulunacağı yönündeki tahminleriyle örtüşüyor. Bu abartı, istihdam, yanlış bilgilendirme, politika vb. üzerindeki etkisi hakkında çok fazla endişeye ve ayrıca insanlık için varoluşsal bir risk hakkında bir dizi endişeli tahminlere yol açtı, açmaya da devam ediyor. Tüm bu abartı bir yandan Teknolojinin olumsuzluklarını bir sis perdesiyle örtmeye de yarıyor: önyargı, anlaşılmazlık, hesap verilemezlik ve “halüsinasyon görme” eğilimi bunlardan sadece dördü. Bunlar arasında olmayan ve gözlerden kaçan bir başka sorun daha var. Tüm dünya üretken yapay zekâ teknolojileriyle dolu olduğunda bunun çevresel etkileri ne olacak? Yapay zekâ ile çevre ne alaka diyenler için kısaca olayı özetleyelim. Bilindiği üzere yapay zekâ, şaşırtıcı miktarlarda hesaplama gücü gerektiriyor. Bu hesaplama gücü işlemciler ve grafik birimleriyle karşılanıyor. Bu donanımlar sıcak çalıştığı için güçlü bir soğutmaya ihtiyaç duyuyor. Ve tüm bunlar muazzam bir oranda elektrik tüketiyor. Bu elektrik tüketimi de günümüz dünyasında büyük ölçekte CO2 emisyonu anlamına geliyor. Teknoloji dünyası yapay zekayı, Barbie dünyasındaymış gibi gösteriyor olsa da bazıları gerçekleri görebiliyor. Örneğin 2019’da yapılan bir çalışmada, GPT-2 gibi erken dönem büyük dil modellerinin (LLM) eğitiminin karbon ayak izi yaklaşık 300.000 kg CO2 emisyonu olarak hesaplandı. Bu, ABD ve Çin arasındaki gidiş-dönüş 125 uçuşa eşdeğer.
Günümüzdeki güncel modellerin büyüklüğü ise GPT-2 yani 2019 ile karşılaştırılamayacak seviyede. Bunu da hemen örneklendirelim. 2019’daki GPT-2 modeli, 1,5 milyar parametreye sahip ki bu da selefi GPT1’deki parametre sayısının yaklaşık on katına tekabül ediyor. Bu yıl çıkan GPT-4’te ise 1,76 trilyon parametre olduğu belirtiliyor. Dolayısıyla aradaki büyüklük farkın binlerle ifade ediliyor. Ancak eğitim, üretken yapay zekanın yaşam döngüsünde yalnızca tek bir aşama konumunda. Bir anlamda, bu emisyonları tek seferlik bir çevresel maliyet olarak görebilirsiniz. Peki, yapay zekâ hizmete girdiğinde, milyonlarca ya da belki milyarlarca kullanıcının onunla etkileşime girmesini sağladığında ne olacak? Bu etkileşime “çıkarım” aşaması deniyor. ChatGPT’ye “Merhaba, nasılsın?” diye sorduğunuzda bu sorgu, uzaktaki bir sunucu çiftliğinde anında bir bilgi işlem patlamasını tetikliyor. Bunun karbon ayak izi nedir? Çıkarım aşamasının ayak izini tahmin etmeye yönelik ilk sistematik girişim geçen ay yayınlandı.

Araştırmacılar, göreve özel (yani tek bir görevi yerine getiren ince ayarlı modeller) ve genel amaçlı modelleri (yani ChatGPT, Claude, Llama vb. gibi birden fazla görev için eğitilmiş olanlar) kapsayan çeşitli makine öğrenme sistemi kategorilerinin (toplam 88) devam eden çıkarım maliyetini karşılaştırdı. Araştırmaya göre üretken görevler (metin oluşturma, özetleme, görüntü oluşturma ve altyazı ekleme), ayırt edici görevlere kıyasla tahmin edilebileceği üzere daha fazla enerji ve karbon yoğunluğuna sahip. Şaşırtıcı bir şekilde, yapay zekâ modellerini eğitmek, çıkarım için kullanmaktan çok daha fazla karbon yoğun olmaya devam ediyor. Araştırmacılar, karbon maliyetlerinin onları eğitmenin çevresel etkisine eşit olması için kaç çıkarıma ihtiyaç duyulacağını da tahmin etmeye çalıştılar. GPT gibi büyük modellerden biri söz konusu olduğunda, 204,5 milyon çıkarım etkileşimi gerekecek ve bu noktada yapay zekanın karbon ayak izi iki katına çıkacak.