Arama motoru sonuçlarından e-posta taslaklarına, öğrencilerin ödev yardımlarından içerik üretimine kadar pek çok alanda yaygınlaşan üretken yapay zeka uygulamaları, günlük yaşamın ayrılmaz bir parçası haline gelirken, bu teknolojilerin çevresel maliyeti de büyüyor.
ABD Enerji Bakanlığı’nın yayımladığı bir rapora göre, veri merkezlerinin elektrik tüketimi 2028 yılına kadar ABD’nin toplam elektrik arzının %12’sine ulaşabilir. Bu artış, bazı bölgelerde daha fazla kömür ve doğal gaz kullanımını da beraberinde getirebilir.
Büyük modeller daha fazla emisyon üretiyor
Frontiers in Communication dergisinde yayımlanan yeni bir çalışmada, 14 farklı büyük dil modeli (LLM) enerji tüketimi ve karbon emisyonu açısından analiz edildi. Araştırma, daha büyük ve karmaşık modellere sahip sohbet robotlarının daha fazla enerji kullandığını ortaya koydu. Bununla birlikte, daha doğru yanıtlar üreten bu sistemlerin, özellikle mantık temelli sorulara daha uzun cevaplar verirken daha fazla emisyon ürettiği tespit edildi.
Çalışmanın baş yazarı, Münih Uygulamalı Bilimler Üniversitesi’nden Maximilian Dauner, “Basit soruları yanıtlamak için her zaman en büyük modele ihtiyaç yok. Doğru görev için doğru modeli seçmeliyiz” değerlendirmesinde bulundu.
Tavsiye Edilen Haberler
-
-
-
-
Köşe YazarlarıNeden karbon depolama iklim krizini çözemez?
En yüksek emisyonu DeepSeek-R1 üretti
Araştırmada test edilen beş muhakeme modeli, daha fazla enerji tüketmelerine rağmen doğrulukta diğer modellere üstünlük sağlayamadı. En fazla emisyon üreten model olan DeepSeek-R1, en düşük emisyona sahip modellerle benzer doğruluk oranlarına sahipti.
Dr. Jesse Dodge (Allen Yapay Zeka Enstitüsü), veri merkezlerinin bulunduğu coğrafyaya göre karbon yoğunluğunun değiştiğine dikkat çekerek, “Norveç gibi yenilenebilir enerjiye dayalı sistemler ile ABD’nin merkez bölgesi gibi fosil yakıt ağırlıklı sistemler arasında üç kata varan farklar olabilir” dedi.
Uzun cevaplar, yüksek enerji maliyeti
Yapay zeka modelleri üzerinde çalışan uzmanlar, muhakeme temelli yanıt üreten sistemlerin daha uzun cevaplar verdiğini ve bu nedenle daha fazla enerji harcadığını vurguladı. “Belirli konularda daha doğru cevaba ulaşmak için daha fazla kelime gerekebilir. Ancak bu durum daha fazla emisyon anlamına geliyor,” diyen Dauner, verimlilik ve doğruluk arasında dikkatli bir denge kurulması gerektiğini belirtti.
Hugging Face şirketinde yapay zeka ve iklim lideri olan Sasha Luccioni, çalışmanın sınırlı örneklemine rağmen önemli bir farkındalık sağladığını belirtti. Luccioni, daha önce yaptığı bir çalışmada, basit sınıflandırma görevlerinin üretken yapay zekaya kıyasla 10 kata kadar daha az enerji tükettiğini ortaya koymuştu.
“Herkes için LLM gerekli değil”
Dr. Luccioni, üretken yapay zekanın her kullanımda gerekli olmadığını savunarak, “Bir hesap makinesi için LLM kullanmak yerine doğrudan hesap makinesi kullanılmalı” dedi.
Dr. Dodge ise gerçek bilgi arayan kullanıcıların basit arama motorlarını tercih etmesinin daha verimli ve güvenilir olacağını, çünkü üretken modellerin zaman zaman yanlış bilgi üretebildiğini (halüsinasyon) hatırlattı.
Fotoğraf: Lukas
