Yapay Zeka Enerjisi: Kimse Konuşmuyor Ama Konuşmalı

Günlük hayatta fark etmesek de yapay zeka sistemleri inanılmaz miktarda elektrik tüketiyor. İlk bakışta telefonunuzun şarjı bitmesi gibi görünebilir ama aslında çok daha geniş bir problem. Dünyanın her yerindeki veri merkezleri Amerika'nın bütün elektrik tüketiminin yaklaşık yüzde 10'unu yutup içeriyor. 2030'a gelindiğinde bu rakamın iki katına çıkacağı tahmin ediliyor.

Boyutu kavrayabilmek için bunu şöyle düşünün: bazı veri merkezleri, tamamı bir şehrin günlük elektrik ihtiyacı kadar enerji harcıyor. Peki bu kadar güç tüketimi gerçekten gerekli mi? Hepimizin merak ettiği soru bu.

Bugünkü "Zeki" Yapay Zeka Neden İşe Yaramıyor?

İşin ilginç tarafı şu: bu kadar enerji harcanmasına rağmen yapay zeka hâlâ gülünç hatalar yapıyor.

ChatGPT'nin hiç olmayan mahkeme kararlarını gerçekmiş gibi anlattığını duydum mu? Ya da resim üreten programların insanlara altı parmak çizdiklerini? Araştırmacılar buna "hallüsinasyon" diyor. Yani yapay zeka tamamen uydurduğu şeyleri kendisi de buna inanmış gibi sunuyor.

Bunun nedeni şu: günümüzün hakim yapay zeka yöntemi (ChatGPT ve benzerleri) milyonlarca örnek veriyi analiz ederek matematiksel olasılıklarla bir sonraki adımı tahmin ediyor. Basitçe, neyin peşinden ne geleceğini bulmuş olma çalışması.

Mesela sizi blok yığmak istediğiniz bir kule inşa etmesi için görevlendirseler. Eğer sadece insanları blok yığarken gözlemlerseniz ve bunu taklit ederseniz ne olur? Hiçbir şey anlamasızdan (denge, fizik, yer çekimi) sadece örnek bulunca, biraz farklı bir durumla karşılaşınca her şey çöker.

Gerçekten Akıllı Olan Yapay Zeka Geliyor

Mühendislik fakültesinden araştırmacılar daha iyi bir yol bulduklarını kanıtladılar. Buna "nöro-sembolik yapay zeka" diyorlar. Kısaca, modern yapay zekanın örüntü tanıma gücünü eski usul mantıksal akıl yürütmeyle birleştirmiş bir sistem.

Yapay zekaya eğitim verilerine ek olarak bir kural kitapçığı vermeyi düşünün. Böylece sadece tahmin etmek yerine, gerçek kuralları ve mantığı kullanarak karar alabilir. "Dengesi" veya "şekli" gibi soyut kavramları anlayabilir; sadece "bloklar genelde neye benziyor" diye hatırlamakla yetinmez.

Sonuç? Söylemeye bile gerek yok ne kadar etkili.

Sayılar Konuşuyor

Araştırmacılar sistemlerini Hanoi Kuleleri bulmacasında test ettiler. Bu, ciddi planlama becerisi gerektiren klasik bir mantık bulmacası.

Nöro-sembolik yöntem yüzde 95 başarıyla çözdü. Geleneksel yapay zeka? Yüzde 34.

Ama asıl çarpıcı kısım bu: sistemin hiç görmediği yeni bir versiyonla karşılaştırıldığında, hibrit sistem yüzde 78 oranında başarılı oldu. Geleneksel modeller? Tamamen başarısız oldu.

Öğrenme süresi? Yeni sistem 34 dakikada tamamı öğrendi. Diğerleri bir buçuk günden fazla aldı.

Enerji Tasarrufu Çıldırtıcı Oranda

Elektrik konusundaysa işler çok heyecan verici:

• Sistemi eğitmek, standart yapay zekaya kıyasla sadece yüzde 1 enerji gerektirdi
• Sistemi çalıştırmak da yüzde 5 enerji tüketimi anlamına geldi

Fark az değil. Bu, oyunun kurallarını tamamen değiştiriyor.

Araştırmacılardan biri bunu harika bir şekilde açıklamış: "Google'da gördüğünüz yapay zeka özeti, altındaki tüm web sitesi listesini oluşturmaktan 100 kat daha fazla enerji harcıyor." Bunu düşünün. Hızlı bir cevap almak için birden fazla cihazı çalıştırmakla eşdeğer enerji yakıyorsunuz.

Neden Buna Dikkat Etmeliyiz?

Bunun önemi sadece mühendislik seviyesinde değil:

Elektrik faturalarınız için: Daha verimli yapay zeka, daha ucuz bilişlem demektir. Sizin için ucuz yapay zeka hizmetleri anlamı çıkabilir.

Çevre için: Enerji tasarrufu, elektrik şebekeleri üzerindeki yükü ve veri merkezlerinin karbon emisyonunu azaltır.

Yapay zekanın geleceği için: Bu, "daha güçlü" anlamına bazen "daha akıllı" gelmeyebileceğini gösterdi. İlk sahada daha büyük veri merkezleri değil, daha zeki olanlar yöne gitmek göründüğüne işaret ediyor.

Yapay zekanın yapabileceği şeyleri için: Bu sistem hata yapma olasılığı daha düşük olduğundan kritik uygulamalar için iyidir. Hastanelerdeki robotlar ya da otonom araçlar sadece tahmin etmek yerine gerçekten sorunları çözebilirler.

Sonuç

Yapay zeka sektörü her zaman aynı stratejiyi takip etti: modelleri büyüt, daha fazla veri at, işe yarasın diye ümit et. Resim asmak için çekiçle vurması gibi iş yapıyor oysa çivileme makinası çok daha iyi ve hızlı iş görürdü.

Bu araştırma başka yolun olduğunu kanıtladı. Daha iyi sonuç almak için daha fazla enerji yakmanız gerekmez. İhtiyacınız olan şey, sistemleri nasıl inşa edeceğinizi daha iyi düşünmek.

Yapay zeka yaygınlaştıkça ve enerji maliyetleri görmezden gelinmez hale geldikçe, böyle yenilikleri daha sık göreceğimiz belli. "Büyük her zaman daha iyidir" anlayışının günleri sayılı kalmış olabilir.

Asıl merak edilen şu: sektör bu yaklaşımları benimseyecek mi, yoksa bildiğimiz şeylere dönüp durmaya devam mı edecek?