OpenAI’ın amiral gemisi AI modeli GPT-5’in en son sürümü, web sitesi oluşturma ve gelişmiş problem çözme gibi gelişmiş özelliklerle birlikte geldi. Ancak bu yeni özelliklerin elbette bir bedeli var: “Enerji tüketiminde muazzam bir artış.” Bu eğilim, yapay zeka modellerinin enerji ve kaynak tüketimini yıllardır inceleyen uzmanlar tarafından da doğrulandı ve bulguları, bu güçlü sistemlerin çevreye etkisi konusunda artan endişeleri vurguluyor.
Veri Eksikliği: OpenAI'ın Şeffaflık Noksanlığı
Enerji kullanımındaki açık artış eğilimine rağmen, OpenAI, 2020’de GPT-3’ün piyasaya sürülmesinden bu yana güç tüketimi ile ilgili resmi, modele özgü herhangi bir veri yayınlamadı. CEO Sam Altman, ChatGPT’nin genel kaynak tüketimi ile ilgili bazı rakamları paylaşsa da, bu rakamlar herhangi bir modele bağlı değildi ve destekleyici belgeler yoktu. Bu bilgi eksikliği, dış araştırmacıları ve kamuoyunu, sorunun tam boyutunu anlamak için bağımsız araştırmalara ve tahminlere güvenmek zorunda bırakıyor. OpenAI’ın kendi “o3 akıl yürütme modeli”, yanıt üretmeden önce “özel bir düşünce zinciri” kullanarak sorunları “derinlemesine düşünmek” için geliştirilmiş ayrı ve farklı bir üründür. Bu kasıtlı süreç, standart bir metin üretme görevinden daha fazla hesaplama gücü ve dolayısıyla daha fazla enerji gerektirir. Bu tür modellerin yüksek enerji tüketimi, hesaplama gücü ile gelişmiş akıl yürütme yetenekleri arasındaki “doğrudan takasın” bir kanıtıdır.
Artan Tüketime İlişkin Uzman Görüşleri
Illinois Üniversitesi’nden Profesör Rakesh Kumar’a göre, GPT-5 gibi daha karmaşık modeller, hem eğitim hem de çıkarım aşamalarında doğal olarak daha fazla güç tüketir. Rakesh Kumar, modelin “uzun düşünme görevleri” için tasarlanmasının, güç tüketimini önceki model GPT-4’ten bile daha fazla artıracağını da belirtti. Rhode Island Üniversitesi’nin yapay zeka laboratuvarında çalışan araştırmacılar, GPT-5’in yaklaşık 1.000 tokenlik orta uzunlukta bir yanıtının 40 Wh’ye kadar elektrik tüketebileceğini ve bu tür bir yanıtın ortalama tüketiminin (18 Wh) biraz üzerinde olduğunu tahmin ederek bazı somut rakamlar verdi. Bu, bir akkor ampulün 18 dakika boyunca açık kalmasına eşdeğer olan önemli bir rakamdır. Elektrik tüketimi birincil endişe kaynağı olsa da, yapay zekanın çevreye olan toplam etkisi elektrik şebekesinin çok ötesine uzanmaktadır. Kaliforniya Üniversitesi, Riverside’dan Profesör Shaolei Ren gibi araştırmacılar, büyük dil modellerinin “gizli su ayak izini” araştırmaktadır. Ren’in çalışmaları, tek bir büyük yapay zeka modelinin eğitilmesinin, veri merkezlerindeki sunucuları soğutmak için kullanılan milyonlarca litre temiz tatlı suyu tüketebileceğini göstermektedir. Genellikle nehir ve göllerden çekilen bu sular, “nadiren” şeffaf bir şekilde raporlanarak “yerel su stresine” katkıda bulunmaktadır. Benzer şekilde, bu modellerin eğitimi ve işletimi gibi yoğun enerjili süreçler de hava kirliliğine katkıda bulunmaktadır. Yakın zamanda yapılan bir araştırmada, Llama3 ölçeğinde bir AI modelinin eğitiminin, Los Angeles ile New York City arasında binlerce araba yolculuğu kadar hava kirliliği üretebileceği tahmin edilmiştir.
Boyut ve Güç Arasında Güçlü Bir Korelasyon
Makale, Fransız yapay zeka şirketi Mistral tarafından açıklanan, bir yapay zeka modelinin boyutu ile enerji tüketimi arasında “güçlü bir korelasyon” olduğunu vurguluyor. Bu korelasyon, GPT-5’in ayak izini anlamada çok önemli bir faktördür. Yapay zekanın kaynak ayak izi konusunda uzman olan California Üniversitesi, Riverside’da profesör olan Shaolei Ren, GPT-5’in GPT-3’e kıyasla daha büyük boyutu göz önüne alındığında muhtemelen kaynak tüketiminin “birkaç kat daha fazla” olması gerektiğini belirtti.
Büyük Ölçekli Etki: Bir Şehrin Gücü
Gerçek dünya kullanımının taleplerini karşılamak için ölçeklendirildiğinde, rakamlar özellikle çarpıcıdır. ChatGPT’nin günde 2,5 milyar istek işlediği bildirildiğinden, GPT-5’in toplam günlük enerji tüketimi, ABD’deki 1,5 milyon adet evin elektrik ihtiyacıyla eşdeğer olabilir. Bu rakamlar, sektörün büyümeye ve giderek daha güçlü modeller kullanmaya devam etmesiyle, sürdürülebilir yapay zeka geliştirmede daha fazla şeffaflık ve inovasyona olan kritik ihtiyacı vurgulamaktadır. GPT-5 gibi modellerin ortaya çıkardığı enerji ikilemi, sürdürülebilirliğe yönelik karşı bir harekete yol açtı. Makalede, DeepSeek’in R1 modelinden bahsedilmesi, bu anlatının önemli bir parçasıdır. DeepSeek, rakiplerine göre 10 ila 40 kat daha enerji verimli olduğu bildirilen bir model geliştirdiği için dikkatleri üzerine çekti. Eğitim için önemli ölçüde daha az GPU gerektiren bu çığır açan gelişme, güç ve performansın her zaman birlikte ölçeklenmeleri gerektiği yönündeki sektör varsayımını sorgulamıştır. Bu durum, daha küçük, göreve özel modellerin kullanılması, daha özlü komutların uygulanması ve enerji verimli veri merkezlerinin kullanılması gibi optimizasyon tekniklerine daha fazla odaklanılmasına yol açmıştır. Yapay zekanın büyümeye devam etmesiyle birlikte, teknolojik ilerleme ile çevresel sorumluluk arasında denge kurmak, hem geliştiriciler hem de kullanıcılar için birincil zorluk haline gelmektedir.