Sürdürülebilir yapay zekâ için atılması gereken 4 adım

Yapay zekâ uygulamalarının sayısı her geçen gün hızla artıyor. Bu teknolojinin ihtiyaç duyduğu veri merkezlerinin çevresel etkilerini azaltmak için düzenleyiciler başta olmak üzere yatırımcılar, müşteriler ve hatta çalışanlar büyük çaba sarf ediyor. 

Yapay zekânın küresel ısınmaya katkıda bulunduğuna dair endişeler yapay zekâ modellerini geliştirmek ve çalışır durumda tutmak için kullanılan GPU'ların geleneksel bulut uygulamalarına kıyasla dört kat daha fazla enerji kullanmasından kaynaklanıyor. Ayrıca yapılan analizlere göre yapay zekânın İrlanda’nın tamamı kadar elektrik kullanma potansiyeli bulunduğu hesaplanıyor. Sürdürülebilirlik çalışmalarını öncelik haline getiren işletmelerin atmaları gereken dört adım öne çıkıyor.

Daha verimli süreçler ve mimariler kullanmak

Uzmanlar yapay zekâyı eğitirken gereken enerji harcamasını azaltmak için özel yapay zekâ modellerinin kullanılmasını öneriyor. İşletmelerin pek çok farklı işi yapabilen bir model oluşturmak yerine sadece ihtiyaç duyulan işe odaklanan bir model kurgulanması verimliliğin artmasını sağlıyor. Ayrıca açık kaynak toplulukları da kurumların yapay zekâ ihtiyaçlarını karşılamada etkin rol üstlenebiliyor. Örneğin Meta AI’ın 13.000’in üzerinde çeşidi bulunuyor. İşletmeler, bir ön eğitim süreci gerektirmeden Meta AI’ı kendi ihtiyaçlarına göre yeniden dizayn edebiliyor. Böylece bu 13.000 versiyon için yeni baştan eğitim sürecine gerek kalmıyor. 

Boşta kalan kaynakları, veri yönetimi araçlarını ve veri kümelerini ortadan kaldırmak için sunucusuz teknolojilerin kullanımına ilişkin ipuçları sağlayan Amazon Web Services (AWS) gibi bazı platformlar yapay zekâyı daha sürdürülebilir hale getirmeye yönelik araçlar sunuyor. AWS ayrıca veri işleme ve depolamayı azaltacak modellere yatırım yapıyor ve yapay zekâ uygulaması için “doğru boyutta altyapı” kullanmayı öncelik haline getiriyor. Verimli kullanıldığında bu tür araçlar, yapay zekâ için gereken bilgi işlem kaynaklarını ve dolayısıyla çevresel etkiyi en aza indirmeye yardımcı oluyor.  

Daha az veri kullanmak

Uzmanlar, bir modeli eğitmek için kullanılan veri kümesinin boyutunu azaltmanın, yapay zekanın enerji kullanımını ve karbon emisyonlarını en aza indirmede en etkili yollardan biri olduğunu işaret ediyor. Daha fazla veri kullanma fikri cazip geldiği için pek çok şirket daha az veriye geçiş yapmıyor. Analizlere göre daha az veriyle oluşturulan yapay zekâ araçları doğruluk payında yalnızca %2-3 oranında bir düşüş yaşıyor. Buna karşın veri miktarı örneğin yarı yarıya indiğinde, bu durum karbon emisyonlarında da aynı oranda bir düşüş olacağı anlamına geliyor.

Yenilenebilir enerjiyi kullanmak

Yapay zekâ operasyonlarını yenilenebilir enerji kullanan bir veri merkezinde barındırmak karbon emisyonlarını azaltmanın en kolay yollarından biri olarak öne çıkıyor. Ayrıca sunucuları kuzey ülkeleri gibi soğuk iklimin hâkim olduğu yerlerde konumlandıran veri merkezleri, bu sayede soğutma için gereken gücün yaklaşık %40’ından tasarruf edebiliyor. Bu hamle enerji maliyetlerine de olumlu yansıyor.

Yapay zekâyı kullanmamak

Yapay zekâ çözümleri çalışanlar ve müşteriler arasında büyük heyecan yaratsa da uzmanlara göre diğer yaklaşımların uygulanması daha kolaysa ve çevreye daha az zarar veriyorsa yapay zekâya yönelik bakış açısının yeniden değerlendirilmesi gerekiyor. Benzer şekilde AWS’nin sürdürülebilirlik yönergelerinde "Yapay zekâ ve makine öğreniminin iş yükünüz için uygun olup olmadığını her zaman sorun" yazıyor. Pek çok işletme daha basit ve daha sürdürülebilir bir yaklaşımın başarılı olabileceği durumlarda yoğun hesaplamalı yapay zekâ çözümlerinden yararlanmaya gerek duymuyor. Bu noktada karar vericilerin iş problemlerini dikkatlice analiz etmesi ve basit matematiksel çözümlerin yeterince iyi olup olmadığına karar vermesi gerekiyor. Yapay zekânın sadece gerekli durumlarda kullanılması sürdürülebilirliğe de büyük katkı sağlıyor.