Yapay Zekanın Görünmez Krizi

 

 Büyünün Ardındaki Fatura

ChatGPT gibi bir yapay zeka aracını ilk kullandığım anı dün gibi hatırlıyorum. Boş bir metin kutusuna sorduğum karmaşık bir soruya, saniyeler içinde tutarlı, yaratıcı ve neredeyse insani bir cevap gelmişti. Bu, kelimenin tam anlamıyla bir sihir anıydı. Ekranda beliren harflerin arkasında ne bir motor gürültüsü ne de bir fabrika dumanı vardı; sadece soyut, elle tutulmaz bir zeka pırıltısı. Bugün milyonlarca insan, her gün bu sihri deneyimliyor: bir şiir yazdırıyor, göz alıcı bir resim ürettiriyor ve bu teknolojiyi hayatlarının ayrılmaz bir parçası haline getiriyor. Ancak bu soyut sihrin arkasında, son derece somut, devasa ve inanılmaz derecede enerji tüketen bir altyapı yatıyor: veri merkezleri, sunucular, soğutma sistemleri ve durmaksızın çalışan on binlerce çip.

Bu sihrin bedelini sorgulamaya başlamam, tam da bu çelişkiyi fark ettiğimde oldu. Bu görünmez altyapının faturası neydi ve bu faturayı ödemeye hazır mıydık? Bu soruların peşine düştüğümde karşılaştığım bir analiz, konunun sandığımdan çok daha derin olduğunu gösterdi. Kaynaklardan birinde yer alan şu tespit, tartışmanın merkezini en başından belirliyordu:

"Asıl kriz sadece artan talep değil, asıl kriz bu yeni dünyaya tamamen hazırlıksız yakalanan mevcut elektrik piyasası tasarımlarımızda yatıyor."

Bu cümle, sorunun sadece daha fazla enerji üretmekle çözülemeyecek kadar yapısal olduğunu ortaya koyuyordu. Bu yazıda, bu yapısal krizi iki farklı mercekten inceleyeceğiz. Bir yanda, Uluslararası Enerji Ajansı'nın (IEA) kapsamlı raporunu temel alan ve yapay zekanın fiziksel altyapı ve enerji şebekeleri üzerindeki şok edici etkilerini ortaya koyan analizler yer alıyor. Diğer yanda ise yapay zeka devriminin öncülerinden, OpenAI'ın eski baş bilim insanı Ilya Sutskever'in felsefi ve mühendislik odaklı eleştirileri bulunuyor. Bu iki bakış açısı, aslında madalyonun iki yüzü değil, bir neden-sonuç ilişkisidir. Bu yazıda, yapay zekanın devasa enerji faturasının, Ilya Sutskever'in işaret ettiği verimsiz ve "kaba kuvvet" odaklı mühendislik felsefesinin kaçınılmaz bir fiziksel yansıması olduğunu savunacağız.

 

Rakamların Acımasız Gerçekliği: Yapay Zekanın Enerji İştahı

Bir konunun ciddiyetini tam olarak kavramak için önce onun boyutlarını anlamak gerekir. Yapay zekanın enerji tüketimini somut verilerle ortaya koymak, bu nedenle sadece teknik bir detay değil, aynı zamanda tartışmanın zeminini sağlamlaştıran stratejik bir adımdır. Aksi takdirde, "artan enerji tüketimi" soyut bir endişe olarak kalır. Rakamlar ise bu endişeyi somut bir krize dönüştürür.

Uluslararası Enerji Ajansı'nın (IEA) raporuna göre, veri merkezlerinin, kripto paranın ve yapay zekanın küresel elektrik tüketimi 2026'ya kadar iki katından fazla artabilir. Rapordaki orta ölçekli bir senaryo, bu tüketimin 2030'da 945 Terawatt-saate (TWh) ulaşacağını öngörüyor. Bu rakamı zihinde canlandırmak için şu karşılaştırma yeterli: Bu, Japonya'nın bugünkü toplam yıllık elektrik tüketimine neredeyse eşittir. Sadece altı yıl içinde, dünyanın en büyük ekonomilerinden birinin tamamını çalıştırmaya yetecek kadar yeni bir enerji talebi ortaya çıkıyor.

Bu devasa artışın arkasında yatan kilit kavram ise "yoğunluk". Bu yoğunluk, üç farklı katmanda kendini gösteriyor:

Çip Seviyesi: Her şeyin kalbinde yer alan çipler, her yeni nesilde katlanarak artan bir güç tüketimine sahip. Nvidia'nın birkaç yıl önceki Volta çipi 250 Watt harcarken, Hopper nesli bunu 700 Watt'a çıkardı. Bu yıl piyasaya çıkan yeni nesil Blackwell ise tek başına 1200 Watt güce ulaşıyor. Bu, standart bir mikrodalga fırının tükettiği enerjiye eşdeğer. Artık tek bir çipten bahsediyoruz, binlerce çipten oluşan bir sistemden değil.

Soğutma Seviyesi: Binlerce mikrodalga fırını tek bir odaya tıkıştırdığınızı hayal edin. Geleneksel hava soğutması, bu ısı yoğunluğu karşısında çaresiz kalıyor. Bu nedenle sektör, bir devrim niteliğinde olan sıvı soğutmaya geçiyor. Fizik basittir: Sıvı, birim hacim başına havadan yaklaşık 4.000 kat daha fazla ısı emebilir. Bu da aynı alana çok daha fazla güçlü çip sığdırabilmek anlamına geliyor ve yoğunluğu daha da artırıyor.

Raf Seviyesi: Tüm bu çipler bir araya geldiğinde, veri merkezi kabinlerinin (rack) güç profili tamamen değişiyor. Geleneksel bir veri merkezi rafı 5 ila 20 kilowatt (kW) güç çekerken, modern bir yapay zeka rafı 100 kW'ı rahatlıkla aşıyor. Başka bir deyişle, artık tek bir kabin, küçük bir mahallenin tamamını aydınlatacak kadar elektrik tüketebilecek güce ulaşıyor.

Ancak bu baş döndürücü rakamlar ve teknik detaylar, buzdağının sadece görünen yüzü. Bu, salt işlem gücünü zekanın kendisiyle karıştıran bir mühendislik yaklaşımının fiziksel tezahürüdür; ilerleyen bölümlerde sorgulayacağımız bir yaklaşım. Asıl kriz, bu gücü üretmekten çok, onu bu yoğun noktalara ulaştırmaya çalıştığımızda başlıyor.

Darboğaz Santralde Değil, Prizde: Şebeke Krizi ve 70 Milyon Dolarlık Çöp

Yapay zeka enerji krizini anlamak için sadece santrallere bakmak yeterli değildir; asıl hikaye, santral ile priz arasındaki kilometrelerce uzanan kablolarda, yani elektrik şebekesinde yatmaktadır. Bu altyapının, içinde bulunduğumuz devrime ne kadar hazırlıksız yakalandığını gösteren en çarpıcı örneklerden biri, Meta'nın Teksas'taki veri merkezi hikayesidir.

Meta, 70 milyon dolar harcayarak son teknoloji bir veri merkezi inşaatına başlar. Proje, dönemin en verimli hava soğutma sistemleriyle tasarlanmıştır. Ancak inşaatın tam ortasındayken, Kasım 2022'de dünya teknoloji tarihi için bir milat yaşanır: ChatGPT piyasaya çıkar. Bir anda oyunun kuralları yeniden yazılır. Meta, elindeki "son teknoloji" tasarımın bir gecede bir "dinozora" dönüştüğünü fark eder. Yeni nesil yapay zeka modellerinin gerektirdiği yoğunluğa hava soğutması yetmeyecektir. Şirket, akıl almaz bir karar verir: İnşaatın yarısındaki tesisi tamamen yıkıp, sıvı soğutmalı yeni bir tasarımla her şeye sıfırdan başlamak. Bu hikaye, endüstrinin acımasız hızını ve eski altyapıların ne kadar çabuk 70 milyon dolarlık bir çöpe dönüşebileceğini özetleyen acı bir ders niteliğindedir.

Bu noktada çoğu insanın düştüğü yanılgı, çözümün daha fazla santral inşa etmek olduğudur. Ancak asıl darboğaz enerji üretmek değil, üretilen enerjiyi veri merkezlerine ulaştırmaktır. Mükemmel bir benzetmeyle ifade etmek gerekirse: Boru hattı dolu, musluğu daha fazla açmanın bir anlamı yok. Elektrik şebekelerimiz, 20. yüzyılın merkezi ve öngörülebilir enerji kaynakları (kömür, doğalgaz) için tasarlanmıştı. Günümüzün dağınık yenilenebilir kaynakları ve tek bir noktada devasa yük oluşturan veri merkezleri için tasarlanmamıştı.

IEA raporu, bu "şebeke sıkışıklığının" kritik sonuçlarını gözler önüne seriyor:

Şebeke Sıkışıklığı: Almanya, ABD ve İngiltere gibi ülkelerde şebekeyi yönetmenin maliyeti sadece üç yılda üçe katlandı.

Bekleme Süreleri: Yeni bir veri merkezinin şebekeye bağlanmak için bekleme süresi, projenin konumuna bağlı olarak 5 ila 10 yıla kadar uzayabiliyor. Bu, devasa bir tesisi inşa edip fişini takacak priz bulamamak anlamına geliyor.

Ekipman Kıtlığı: Güç transformatörleri gibi kritik şebeke ekipmanlarının sipariş bekleme süreleri bir yılda %30'dan fazla arttı.

Jeopolitik Kırılganlık: Veri merkezleri, Galyum gibi kritik minerallere bağımlıdır. 2030'a gelindiğinde sadece veri merkezlerinin Galyum talebinin, günümüzdeki toplam küresel arzın %11'ine ulaşması bekleniyor. Bu mineralin %98'inin Çin tarafından rafine edildiği gerçeği, devasa bir jeopolitik risk oluşturuyor.

Bu devasa fiziksel ve jeopolitik bağımlılıklar, bizi daha temel bir soruyu sormaya itiyor: İnşa etmeye çalıştığımız bu "zeka" neden doğası gereği bu kadar savurgan olmak zorunda?

 Paradoks: Yapay Zeka Hem Sorun Hem de Çözümün Kendisi mi?

Tartışmayı sadece yapay zekanın doymak bilmez enerji iştahına odaklamak, resmin tamamını görmemizi engeller. Madalyonun diğer yüzünde, yapay zekanın kendisinin benzeri görülmemiş bir verimlilik ve optimizasyon aracı olma potansiyeli yatıyor. Bu ikilem, konuya daha dengeli bir bakış açısı getirmeyi zorunlu kılıyor: Yapay zeka, hem yarattığı sorunun bir parçası hem de o sorunun çözümünün anahtarı olabilir.

Şebeke krizinden bunalan teknoloji devleri, "kendi göbeklerini kendileri kesmek" için her yolu deniyor. Bu stratejiler, pragmatizm ile idealler arasındaki çelişkili doğayı da gözler önüne seriyor:

Tartışmalı Çözüm: Web sitelerini "%100 Yenilenebilir Enerji" taahhütleriyle dolduran şirketler, acil enerji ihtiyaçlarını karşılamak için ABD'de veri merkezlerine özel doğalgaz türbinleri kuruyor. Bu durum, kamuoyuna sunulan imaj ile sahadaki gerçeklik arasında dev bir çelişki yaratıyor.

Kurumsal Çözüm: Şirketler, Güç Satın Alma Anlaşmaları (PPA) yoluyla yenilenebilir enerjinin en büyük alıcıları konumuna geliyor. Basitçe ifade etmek gerekirse, Amazon gibi bir dev, henüz inşa edilmemiş bir güneş santraline gidip "Önümüzdeki 20 yıl boyunca üreteceğin tüm elektriği satın almayı garanti ediyorum." der. Bu garanti, o santralin finanse edilmesini sağlar. Bugün bu anlaşmaların %30'undan fazlası veri merkezi operatörleri tarafından yapılıyor.

Geleceğin Çözümü: Masadaki en radikal seçenek ise nükleer enerji. Nükleer fizikçi Katherine Halfen'in de belirttiği gibi, veri merkezlerinin 7/24 kesintisiz, güvenilir güce ihtiyacı var ve nükleer enerji bunu mükemmel sağlıyor. Özellikle Küçük Modüler Reaktörler (SMR) bu noktada öne çıkıyor. Microsoft'un, 1979'daki kazasıyla bilinen 3 Mile Island nükleer santraline yatırım yapması, bu seçeneğin ne kadar ciddiye alındığının sembolik bir göstergesi.

Ancak yapay zekanın en büyük katkısı, kendi enerji sorununu çözmekten çok daha öteye uzanıyor. IEA raporu, yapay zekanın tüm enerji sektörünü daha verimli hale getirme potansiyelini somut örneklerle açıklıyor:

Sanayi: Üretim süreçlerini optimize ederek 2035'e kadar Meksika'nın bugünkü toplam enerji talebinden daha fazla tasarruf sağlayabilir.

Ulaşım: Kamyon rotalarını anlık olarak optimize ederek %10 ila %20 arasında yakıt tasarrufu elde edilebilir.

Şebeke Yönetimi: Arızaları anında tespit edebilir ve şebekeleri akıllandırabilir. Bir elektrik şirketi, sadece tek bir iletim hattında "dinamik hat derecelendirmesi" adlı yapay zeka destekli bir teknoloji kullanarak bir yılda tam 65 milyon dolar tasarruf sağladı.

İnovasyon: Geleneksel yöntemlerle yıllar süren yeni batarya kimyasalları veya karbon yakalama malzemeleri gibi alanlardaki araştırmaları aylar veya haftalara indirebilir. Bu, sadece verimlilik değil, bir teknoloji devrimi potansiyeli taşıyor.

Yine de bu umut verici potansiyelin hayata geçmesinin önündeki en büyük engellerden biri şeffaflıktır. Ancak asıl sorun, belki de tüm bu altyapısal ve fiziksel tartışmaların altında yatan daha temel bir felsefi problemde gizlidir.

 Yeni Bir Ses, Yeni Bir Yol: Ilya Sutskever ve Ölçekleme Çağının Sonu

Şimdiye kadar tartıştığımız devasa enerji tüketimi, şebeke krizleri ve altyapısal darboğazlar, aslında daha temel bir felsefi ve mühendislik probleminin belirtileridir. Sorun sadece ne kadar enerji kullandığımız değil, nasıl bir "zeka" inşa etmeye çalıştığımızdır. Bu noktada, tartışmaya yapay zeka mimarisinin en önemli isimlerinden birini, Ilya Sutskever'i dahil etmek, konuyu farklı bir boyuta taşımamızı sağlıyor.

Ilya Sutskever, sıradan bir isim değil. Yapay zekada derin öğrenme devrimini başlatan AlexNet'in kurucularından, OpenAI'ın eski baş bilim insanı ve sektörde ahlaki duruşuyla tanınan bir figür. Onun sözleri, sadece teknik bir analiz değil, aynı zamanda bir içgörü ve özeleştiri niteliği taşıyor. Sutskever'in en çarpıcı argümanı, içinde bulunduğumuz ölçekleme çağının sonuna geldiğimizdir.

Ona göre, "daha fazla çip, daha fazla veri merkezi, daha fazla enerji" yaklaşımı artık bir çıkmaz sokaktır. Bu "kaba kuvvet" (brute-force) yöntemiyle ilerlemenin bir sınırı olduğunu savunuyor. Sutskever, "sadece donanımı büyütmekle tek başına ilerleme olmayacağını," bunun yerine "gerçek bir kırılma" için yeniden araştırmaya dönmek gerektiğini savunuyor.

Sutskever, mevcut yapay zeka modellerinin temelindeki verimsizliği ve kısıtlılıkları birkaç noktada özetliyor:

Genelleme Yapamama: İnsanlar, bir arabayı kullanmayı 10-20 saatte öğrenebilirken, yapay zeka modelleri aynı yetkinlik için milyonlarca saatlik veriye ihtiyaç duyar. İnsan gibi az örnekle genelleme yapamazlar.

Yavaş Öğrenme: Hızlı öğrenemiyorlar. Öğrenme süreçleri, devasa miktarda veri ve dolayısıyla devasa bilişim gücü gerektirir.

Sınav Odaklılık: Mevcut testler ve karşılaştırmalar, modelleri gerçek dünya davranışları için değil, sadece o sınavları geçmek için optimize ediyor. Bu, ÖSS'ye hazırlanıp sınavdan sonra her şeyi unutmaya benziyor.

Sutskever'in bu eleştirisi, bizi doğrudan ilk bölümde bahsettiğimiz 1200 Watt'lık Blackwell çiplerine ve küçük bir mahalleyi besleyen o 100 kW'lık raflara geri götürüyor. Sorun, o rafların varlığı değil; o rafları doldurmak zorunda kalmamızın nedenidir. Milyonlarca saatlik veriyle "öğrenen", insan gibi genelleme yapamayan bir model, doğası gereği enerji oburudur. Krizin kaynağı mühendislik tercihlerimizdedir. Bu farkındalık, bizi Sutskever'in önerdiği yeni yola götürüyor.

 Araştırma Çağına Dönüş: Daha Azla Daha Çoğu Başarmak

Sutskever'in "ölçekleme çağının bittiği" tespiti, bir karamsarlık değil, aksine yeni bir başlangıcın habercisidir: araştırma çağına dönüş. Bu yeni çağ, daha fazla donanım yığmak yerine, zekanın ve öğrenmenin temel prensiplerini yeniden keşfetmeyi amaçlıyor. Bu, yapay zekanın geleceği için sadece daha akıllı değil, aynı zamanda çok daha sürdürülebilir bir alternatif sunuyor.

Bu vizyonla kurduğu yeni şirketi Safe Super Intelligence (SSI), piyasadaki bir sonraki büyük dil modelini üretmeyi hedeflemiyor. Sutskever'in amacı çok daha temel: "insan gibi öğrenen" o eksik ilkeyi bulmak. Şirketinin şu anda 50'den fazla farklı prensip ve model üzerinde çalıştığını belirtiyor. Bu, kaba kuvvet yerine zarafet ve verimlilik arayışıdır.

Bu arayış, sadece teknik değil, aynı zamanda derin bir etik çerçeveye sahip. Akıl hocası Joffrey Hinton'ın "yapay zekaya anne şefkati vermemiz lazım" sözüne paralel olarak Sutskever, süper zekanın temel değer fonksiyonunun sadece insanı değil, "tüm canlı yaşamı önemsemek" olması gerektiğini savunuyor. Bu, teknolojinin sadece bir araç değil, aynı zamanda değerlerle donatılması gereken bir varlık olarak görülmesi gerektiğini gösteriyor.

Sutskever, geleceğe dair net bir uyarıda da bulunuyor: Bugünkü modellerin zayıf ve "oyuncak" gibi görünmesi bizi yanıltmamalı. Gerçek risk ortaya çıktığında, yani insanüstü zekaya ulaşıldığında, onu üretenlerin davranışları dramatik şekilde değişecek. Hatta uzun vadede, insanlar ile yapay zeka arasında oluşacak devasa bilişsel ve ekonomik uçurum nedeniyle, insanların (beğenmeseler de) yapay zeka ile birleşmek zorunda kalabileceğini öngörüyor.

Bu yeni araştırma odağı, sadece daha güvenli ve etik bir yapay zeka vaat etmiyor. Aynı zamanda, insan gibi az veriyle ve az enerjiyle öğrenebilen bir sistem, ilk bölümlerde bahsettiğimiz korkunç enerji faturasını da ortadan kaldırma potansiyeli taşıyor. Çözüm, daha fazla santralde değil, daha verimli bir zeka anlayışında yatıyor.

Sonuç: Ölçemediğimiz Krizi Yönetebilir miyiz?

Yapay zekanın sihirli perdesini araladığımızda karşımıza iki katmanlı bir kriz çıkıyor. İlk katman, IEA'nın raporlarıyla ölçülen, şebekeleri çökme noktasına getiren ve gezegenin enerji kaynaklarını zorlayan fiziksel bir krizdir. Ancak bu, sadece bir semptomdur. İkinci ve daha derin katman ise Ilya Sutskever'in işaret ettiği gibi, bir "kaba kuvvet" mühendislik yaklaşımının kaçınılmaz sonucudur: Zekayı, verimlilik ve bilgelik yerine, salt işlem gücü ve veriyle ölçeklemeye çalışmanın faturasıdır.

Bu noktada, "Ölçemezsek yönetemeyiz, görmezsek sürdüremeyiz" sözü her zamankinden daha anlamlı hale geliyor. Avrupa Birliği'nin, buzdolaplarımızdaki gibi yapay zeka modelleri için de enerji etiketleri oluşturma fikri, bu yönde atılmış önemli bir adımdır. Peki ya bir adım daha ileri gitsek? Kullandığımız her yapay zeka aracının, yaptığımız her işlem için bize anlık bir "enerji faturası" gösterdiğini hayal edin. Bir görsel oluşturmanın veya bir metni özetlemenin maliyetini gram karbondioksit cinsinden gördüğümüzde, bu iştahlı teknolojiyi kullanma şeklimiz değişir miydi?

Belki de bu fatura, bize sadece enerji maliyetini değil, aynı zamanda kullandığımız teknolojinin ardındaki felsefeyi ve yaklaşımı da sorgulatır. Belki de o zaman anlarız ki, aradığımız çözüm daha fazla santralde değil, Ilya Sutskever gibi öncülerin peşinde olduğu daha bilge, daha verimli ve nihayetinde yaşamı kutsayan bir zeka tanımının kendisindedir.