Yapay zekanın su tüketimi, özellikle ChatGPT gibi popüler araçların her bir sorgu için ne kadar su harcadığına dair iddialar, son zamanlarda sıkça gündeme gelen ve tartışılan bir konu. Bu iddia bir efsane değil, veri merkezlerinin soğutma ihtiyacından kaynaklanan gerçek bir çevresel maliyete dayanıyor. Yapay zeka modellerini çalıştıran devasa sunucular, aşırı ısındıkları için sürekli olarak soğutulmaya ihtiyaç duyuyor ve bu soğutma işlemi büyük miktarlarda su gerektiriyor.
Bir yapay zeka modeline sorduğun basit bir soru, arka planda binlerce sunucunun aynı anda çalışmasını tetikliyor. Bu işlem, bir bilgisayar oyunu oynarken işlemcinin ısınmasına benzetilebilir, ancak milyonlarca kat daha büyük bir ölçekte. İşte bu devasa ısıyı dağıtmak için en yaygın ve etkili yöntemlerden biri su bazlı soğutma sistemleri. Bu sistemler, buharlaşma yoluyla ısıyı havaya atarak sunucuları optimum sıcaklıkta tutuyor. Dolayısıyla, "yapay zeka su tüketiyor" dediğimizde, aslında kastettiğimiz şey, onu barındıran ve çalıştıran veri merkezlerinin soğutulması için harcanan sudur.
Yapay Zeka Neden Suya İhtiyaç Duyar?
Yapay zeka modelleri, özellikle [GPT-4](/arac/gpt-4) gibi büyük dil modelleri, trilyonlarca parametre içeren ve devasa veri setleri üzerinde eğitilen karmaşık sistemlerdir. Bir soruya cevap vermek veya bir komutu yerine getirmek gibi görevler, bu parametreler arasında inanılmaz derecede yoğun hesaplamalar gerektirir. Bu hesaplamalar, sunucuları çalıştıran binlerce yüksek performanslı grafik işlem birimi (GPU) tarafından gerçekleştirilir. Elektrikle çalışan her elektronik cihaz gibi, bu GPU'lar da çalıştıkça büyük miktarda ısı üretir.Veri merkezleri, bu sunucuların on binlercesini barındıran devasa tesislerdir. Eğer bu ısı etkili bir şekilde dağıtılmazsa, sunucular yavaşlar, hatalar verir ve hatta kalıcı olarak hasar görebilir. İşte bu noktada su devreye giriyor. En yaygın soğutma yöntemlerinden biri, "evaporatif soğutma" olarak bilinen sistemdir. Bu sistemde, su büyük soğutma kulelerinden geçirilir. Bu sırada suyun bir kısmı buharlaşır ve buharlaşma işlemi çevreden ısıyı çeker - tıpkı terlediğimizde vücudumuzun serinlemesi gibi. Bu işlem, sunucu odalarına pompalanan havayı veya kapalı döngü borulardaki suyu soğutur.
Colorado Riverside Üniversitesi'nden araştırmacıların bir ön baskı çalışmasına göre, Microsoft'un veri merkezleri sadece GPT-3 modelini eğitmek için 700.000 litre tatlı su tüketmiş olabilir. Bu miktar, 370 adet BMW otomobil veya 120 adet Tesla elektrikli araç üretmek için gereken su miktarına eşdeğer. Araştırmacılar, son kullanıcıların ChatGPT ile yaptığı her 5 ila 50 istemlik bir konuşma setinin kabaca 500 ml'lik bir şişe suyu "tükettiğini" tahmin ediyor. Bu rakamlar, modelin karmaşıklığına, yapıldığı yere ve mevsime göre değişse de, konunun ciddiyetini ortaya koyuyor.
Bir Sorgunun Su Ayak İzi Nasıl Oluşur?
Yapay zeka ile etkileşimin bir su ayak izi bırakması ilk başta kulağa garip gelebilir. Ancak süreç, dijital bir talebin nasıl fiziksel bir kaynak tüketimine dönüştüğünü adım adım gösteriyor. Her şey senin basit bir soru sormanla başlar.-
Sorgu Gönderilir: Sen ChatGPT, Gemini veya başka bir yapay zeka aracına bir soru yazdığında, bu talep internet üzerinden saniyeler içinde o hizmeti barındıran veri merkezine ulaşır. Bu veri merkezi, dünyanın herhangi bir yerinde, örneğin ABD'nin Oregon veya İrlanda'nın Dublin kentinde olabilir.
-
İşlem Başlar: Talebin, binlerce GPU'dan oluşan bir ağa dağıtılır. Yapay zeka modeli, sorunu anlamak, ilgili verileri işlemek ve tutarlı bir cevap oluşturmak için yoğun bir hesaplama sürecine girer. Bu, tek bir bilgisayarın yapabileceğinden çok daha fazla işlem gücü gerektirir.
-
Isı Üretimi: Bu yoğun hesaplama, GPU'ların ve sunucuların hızla ısınmasına neden olur. Veri merkezindeki sıcaklık, donanımın verimli çalışması için belirli bir seviyede tutulmak zorundadır. Örneğin, Google veri merkezlerini yaklaşık 27°C'de tutmayı hedefler.
-
Soğutma Devreye Girer: İşte bu noktada su tüketimi başlar. Veri merkezinin devasa soğutma sistemleri (HVAC üniteleri ve soğutma kuleleri) devreye girer. Tesisin dışındaki soğutma kuleleri, genellikle yerel su kaynaklarından veya belediye şebekesinden çekilen suyu kullanır.
-
Buharlaşma ve Su Kaybı: Su, ısıyı sunuculardan uzaklaştırmak için kullanılır. Bu işlemin en yaygın yolu olan evaporatif soğutmada, suyun önemli bir kısmı buharlaşarak atmosfere karışır. Geriye kalan ve mineraller açısından daha yoğun hale gelen su ise "blöf suyu" olarak sistemden atılır. Tüketilen suyun büyük bir kısmı bu buharlaşma ve blöf işlemi sırasında kaybedilir. Örneğin Google, 2022'de operasyonları için yaklaşık 21.2 milyar litre su kullandığını açıklamıştır.
Sonuç olarak, senin dijital ortamda sorduğun bir soru, kilometrelerce ötedeki bir tesiste fiziksel olarak suyun tüketilmesine neden olur. Bu süreç, yapay zekanın görünmez altyapısının somut çevresel etkilerini gözler önüne serer.
Türkiye'den Kullanımın Etkisi
Türkiye'deki bir kullanıcı olarak yapay zeka araçlarını kullandığında, bu işlemin çevresel etkisi doğrudan Türkiye'de gerçekleşmeyebilir. Çünkü OpenAI, Google, Microsoft gibi büyük teknoloji şirketlerinin en yoğun yapay zeka sunucularını barındıran dev veri merkezleri henüz Türkiye'de bulunmuyor. Taleplerin büyük olasılıkla Frankfurt, Dublin, Amsterdam gibi Avrupa'daki veya ABD'deki veri merkezlerine yönlendiriliyor. Dolayısıyla, bir Türk kullanıcının sorgusu, o veri merkezinin bulunduğu bölgenin su kaynakları üzerinde bir etki yaratır.Bu durum, Türkiye'nin doğrudan su kaynaklarının tükenmesi anlamına gelmese de, küresel bir sorunun parçası olduğumuz gerçeğini değiştirmez. Özellikle bu veri merkezlerinin, zaten su kıtlığı çeken bölgelerde (örneğin ABD'nin bazı batı eyaletleri) inşa edilmesi, yerel topluluklar ve ekosistemler için ciddi sorunlar yaratabiliyor. Senin kullanımın, bu küresel talebi artıran milyonlarca etkileşimden biri oluyor.
Türkiye açısından bakıldığında, bu araçları kullanmak için herhangi bir VPN veya özel bir ayara gerek yok. ChatGPT, Gemini, Claude gibi popüler hizmetlere Türkiye'den standart internet bağlantısıyla erişilebilir. Ödemeler konusunda ise uluslararası işlemlere açık olan Türk kredi kartları genellikle kabul ediliyor. Fiyatlandırmalar ise çoğunlukla ABD Doları üzerinden yapılıyor.
Bu araçların Türkçe anlama ve cevap verme yetenekleri oldukça gelişmiş durumda. Özellikle son nesil modeller, Türkçe dilbilgisi ve kültürel nüansları başarıyla kavrayarak oldukça akıcı ve doğru metinler üretebiliyor. Bu da Türkiye'deki kullanıcıların bu teknolojiden tam olarak faydalanabilmesini sağlıyor. Ancak unutulmamalıdır ki, Türkçe bir sorgu da İngilizce bir sorgu ile benzer miktarda hesaplama gücü ve dolayısıyla benzer bir su ayak izi gerektirir. Konuyla ilgili daha temel bir başlangıç için yapay zeka nedir yazımıza göz atabilirsin.
Maliyet: Çevresel Fatura ve "Ücretsiz" Kullanım
Yapay zeka araçlarını kullanmanın maliyetini düşünürken genellikle aylık abonelik ücretleri akla gelir. Ancak burada asıl fatura, gezegenin kaynaklarına, özellikle de suya kesiliyor. Bu, doğrudan cebinden çıkan bir para olmasa da, hepimizin ortak olduğu doğal kaynaklar üzerinden ödenen bir bedeldir.Konuyu somutlaştıran en çarpıcı verilerden biri, daha önce de bahsedilen ve bir grup araştırmacı tarafından ortaya atılan "her 20-50 sorgu için bir şişe su" benzetmesidir. Bu, yaklaşık 500 ml'lik bir su şişesine denk geliyor. Microsoft'un sadece GPT-3 modelini eğitirken yaklaşık 700.000 litre su tükettiği tahmin ediliyor. Bu miktar, ortalama bir nükleer reaktörün yıllık soğutma suyu ihtiyacından bile fazla olabilir.
Bu tüketimin parasal bir karşılığı doğrudan kullanıcıya yansıtılmaz. ChatGPT'nin ücretsiz sürümünü veya diğer bedava yapay zeka araçlarını kullandığında bir su faturası ödemezsin. Bu maliyet, hizmeti sunan şirketlerin (OpenAI, Google, Microsoft vb.) operasyonel giderlerinin bir parçasıdır. Ancak bu şirketler, suyu genellikle yerel belediyelerden veya su idarelerinden satın alır. Bu durum, özellikle su stresi yaşayan bölgelerde veri merkezlerinin kurulmasıyla birlikte, yerel halkın su kaynakları üzerinde baskı oluşturarak dolaylı yoldan toplumsal bir maliyete dönüşebilir.
Örneğin, Google'ın 2022'de tükettiği su miktarı bir önceki yıla göre %20 artış gösterdi. Şirketler bu konuda daha şeffaf olmaya ve su verimliliğini artırmaya yönelik adımlar atıyorlar. Google, bazı veri merkezlerinde geri dönüştürülmüş veya deniz suyu gibi alternatif kaynaklar kullanarak tatlı su tüketimini azaltmaya çalıştığını belirtiyor. Ancak yapay zekaya olan talebin katlanarak arttığı bir dünyada, bu çabaların ne kadar yeterli olacağı önemli bir soru işareti.
Ne Zaman Endişelenmeli / Endişelenmemeli
Yapay zekanın su tüketimi konusu, paniğe kapılmak yerine bilinçli olmayı gerektiren karmaşık bir mesele. Her sorgunun bir su maliyeti olduğu doğru, ancak bu durumu bir bağlama oturtmak önemli.Ne zaman endişelenmeli?
-
Büyük Ölçekli Kullanım: Milyonlarca, hatta milyarlarca insanın her gün bu araçları kullanması, bireysel olarak küçük olan etkiyi devasa bir boyuta taşıyor. Sorunun asıl kaynağı bireysel değil, kümülatif taleptir.
-
Veri Merkezlerinin Konumu: Yapay zeka altyapısının, Arizona veya Nevada gibi zaten ciddi su kıtlığı yaşayan bölgelerde yoğunlaşması, yerel ekosistemler ve topluluklar için büyük bir tehdit oluşturur.
-
Şeffaflık Eksikliği: Teknoloji şirketlerinin su tüketim verilerini her zaman net bir şekilde paylaşmaması, sorunun boyutunu tam olarak anlamamızı ve çözüm üretmemizi zorlaştırıyor.
-
Verimsiz Modeller: Daha yeni ve daha büyük modellerin her zaman daha fazla kaynak tüketme eğiliminde olması, optimizasyon ve verimlilik çalışmalarının bu büyümeye ayak uyduramaması durumunda endişe vericidir.** Ne zaman daha rahat olabiliriz?**
-
Bireysel Kullanım: Günlük olarak birkaç soru soran veya metin yazdıran sıradan bir kullanıcının kişisel su ayak izi, endişe edilecek birincil sorun değildir. Etkiniz, bir araba yıkamaktan veya uzun bir duş almaktan çok daha azdır.
-
Verimlilik Çalışmaları: Google gibi şirketler, hava soğutmalı sistemleri ve akıllı sıcaklık yönetimi gibi yöntemlerle su verimliliğini artırmak için ciddi çalışmalar yapıyor.
-
Alternatif Su Kaynakları: Bazı yeni veri merkezleri, soğutma için içme suyu yerine arıtılmış atık su veya deniz suyu kullanma yoluna gidiyor. Bu, tatlı su kaynakları üzerindeki baskıyı azaltabilir.
-
Farkındalığın Artması: Bu konunun kamuoyunda daha fazla tartışılması, şirketleri daha sorumlu davranmaya ve daha sürdürülebilir çözümler geliştirmeye teşvik ediyor.
Özetle, yapay zekanın su tüketimi gerçek bir sorundur, ancak çözümsüz değildir. Bireysel kullanıcıların kendini suçlu hissetmesi yerine, büyük teknoloji şirketlerinden daha fazla şeffaflık ve sürdürülebilirlik talep etmesi daha etkili bir yaklaşımdır.
Alternatifler ve Daha Yeşil Yaklaşımlar
Yapay zekanın çevresel etkisini azaltma sorumluluğu büyük ölçüde onu geliştiren ve çalıştıran şirketlere aittir. Kullanıcı olarak doğrudan bir "yeşil yapay zeka" seçeneğimiz olmasa da, bu alandaki gelişmeleri ve şirketlerin yaklaşımlarını bilmek önemlidir. Bazı şirketler, bu sorunu hafifletmek için çeşitli stratejiler izliyor.Örneğin, Google'ın yapay zeka modellerini çalıştıran Gemini, şirketin genel sürdürülebilirlik hedeflerinin bir parçası olarak daha verimli veri merkezlerinde barındırılıyor. Google, 2030 yılına kadar tüm operasyonlarını karbonsuz enerji ile yürütme ve kullandığından daha fazla suyu yenileme (water-positive) hedefleri belirlemiştir. Bu, veri merkezlerinin bulunduğu bölgelerdeki su havzalarını iyileştirme projelerini desteklemek anlamına geliyor. Bu tür kurumsal hedefler, ChatGPT gibi popüler araçları sunan Microsoft ve Anthropic'in Claude modelini destekleyen Amazon Web Services gibi diğer büyük oyuncular üzerinde de baskı oluşturuyor.
Teknolojik olarak da alternatifler geliştiriliyor. "Sıvı soğutma" (liquid cooling) teknolojisi, sunucuları doğrudan özel bir sıvıya daldırarak veya borularla bu sıvıyı dolaştırarak soğutmayı hedefler. Bu yöntem, geleneksel su ve hava soğutma sistemlerinden çok daha verimli olabilir ve su tüketimini önemli ölçüde azaltma ihtimali olabilir. Ayrıca, daha küçük ve daha özel görevler için optimize edilmiş yapay zeka modelleri geliştirmek, her iş için devasa modellere başvurmak yerine kaynak kullanımını azaltabilir. Bu, "küçük dil modelleri" (SLM) olarak bilinen bir akımdır ve gelecekte daha sürdürülebilir bir yaklaşım sunabilir.
Son kullanıcı olarak bizim rolümüz ise bu konuda bilinçli olmak ve şeffaflık talep etmektir. Bir hizmeti seçerken, o hizmeti sunan şirketin çevresel politikalarını ve raporlarını incelemek, uzun vadede daha yeşil teknolojilerin benimsenmesini teşvik edebilir.
Sıkça Sorulanlar
**Her yapay zeka sorgusu bir şişe su mu harcıyor?** Bu, konuyu somutlaştırmak için kullanılan bir benzetmedir. Gerçek miktar; kullanılan modele, veri merkezinin verimliliğine, coğrafi konumuna ve hatta hava durumuna göre değişir. Ancak araştırmalar, 5 ila 50 arası bir komut dizisinin yaklaşık 500 ml su tüketimine yol açabileceğini gösteriyor.Bu konuda teknoloji şirketleri bir şey yapıyor mu? Evet, büyük teknoloji şirketleri bu sorunun farkında. Google, Microsoft ve Meta gibi firmalar, veri merkezlerinde daha verimli soğutma sistemleri kullanmak, geri dönüştürülmüş su veya deniz suyu gibi alternatif kaynaklara yönelmek ve su tüketim verilerini daha şeffaf bir şekilde raporlamak için çalışmalar yapıyor.
Kendi kullanımımın çevresel etkisini nasıl azaltabilirim? Bireysel bir kullanıcının etkisi sınırlıdır. En etkili yöntem, yapay zeka araçlarını bilinçli ve gerektiği zaman kullanmaktır. Çok sayıda gereksiz veya deneme amaçlı sorgu yapmaktan kaçınmak, kümülatif etkiyi bir miktar azaltabilir. Asıl değişim, şirketlerin daha sürdürülebilir teknolojilere ağırlık vermesiyle olacaktır.
Sorun sadece su tüketimi mi, elektrik ne olacak? Hayır, sorun sadece su değil. Yapay zeka ve veri merkezleri aynı zamanda devasa miktarda elektrik tüketiyor. Hatta birçok uzman, elektrik tüketiminin ve buna bağlı karbon emisyonlarının, su tüketiminden daha acil ve büyük bir çevresel sorun olduğunu savunuyor. İki konu birbiriyle yakından ilişkilidir.
Bu su tüketimi rakamları kesin mi? Hayır, kesin değil. Bu rakamların çoğu, şirketlerin doğrudan paylaştığı veriler yerine, araştırmacıların akademik çalışmalar ve kamuya açık sınırlı bilgilere dayanarak yaptığı tahminlerdir. Şirketlerin bu konudaki şeffaflığı arttıkça, daha net rakamlara ulaşmak mümkün olacaktır.