Hewlett Packard Enterprise başkanı ve İcra Kurulu Başkanı Antonio Neri, yapay zekayı sürdürülebilir şekilde ölçeklendirmek için 4 acil önceliği sıraladı.
Yapay zeka, teknolojiden iyi anlamda yararlanmak adına büyük bir fırsatı ortaya koyuyor. Diğer yandan önemli bir paradoksu da beraberinde getiriyor.
Yapay zeka, nükleer füzyon ve akıllı şebekeler gibi teknolojiler aracılığıyla daha güvenilir, düşük emisyona sahip bir geleceği mümkün kılabilecek şaşırtıcı yetenekler sunuyor. Ancak bu teknolojileri geliştirmek için gereken hesaplama döngülerinin ihtiyaç duyduğu yakın vadedeki enerji tüketimi, çözmeye çalıştığımız sorunu daha da derinleştirebilir.
Yapay zeka kullanımında sürdürülebilirliğin iyileştirilmesi hem ahlaki bir konu olarak, hem de endüstriyi, politika belirleyicileri ve son kullanıcıları hızlı hareket etmeye zorlayan bir zorunluluk olarak karşımızda duruyor. Daha az enerji ve su tüketimi işletme maliyetlerini ve çevre üzerindeki etkilerini azaltacağından, yapay zekanın verimliliğini artırmak herkesin yararına olacaktır. Bu noktada başarılı olmak için birlikte çalışmalı, kapsamlı düşünmeli, ileriye dönük sürdürülebilir bir yol tasarlamak için acilen harekete geçmeliyiz.
Yapay zekayı sorumlu bir şekilde ölçeklendirmek için önümüzde benimsememiz gereken dört öncelik yer alıyor.
1- Yapay Zekanın İş İçin Doğru Araç Olduğundan Emin Olun
Yapay zeka, endüstriyel uygulamalarda ve bilimsel keşiflerde küresel çapta devrim yaratma gücüne sahip. Ancak kuruluşların ve teknoloji liderlerinin yapay zekayı, onu çalıştırmak için gerekenleri de göz önünde bulundurarak bilinçli bir şekilde kullanmaları gerekiyor. Daha hafif bir çevresel ayak izi eşliğinde, iş gereksinimlerini karşılamak için daha uygun ve optimize edilmiş diğer mevcut araçların bulunduğu bir dünyada, yapay zeka kullanımı dikkatli bir şekilde değerlendirilmelidir.
Üretken yapay zekaya dayalı bir tahmin aracıyla (GPT) standart bir arama motoru sorgusunun hızlı bir karşılaştırmasını yaparak bu noktanın altını çizmek mümkün. Tek bir üretken yapay zeka (GenAI) sorgusu, sıradan bir arama motoru sorgusundan yaklaşık 15 kat daha fazla enerji tüketir. Ancak GPT’lerin etrafındaki yoğun ilgi, kullanıcıların bunları tercih etmesine neden olabilir. Bu nedenle, GenAI’nin her iş için doğru araç olup olmadığını değerlendirmeliyiz. Pazar alışverişine gitmek için bir yarış arabasına ihtiyaç duymayacağımız gibi, basit uygulamalar için de yapay zekaya ihtiyaç duymayabiliriz.
Yeni bir yapay zeka projesine başlarken, kuruluşlar beklenen iş sonuçları, veri ihtiyaçları, yapay zeka modeli gereksinimleri, enerji ve soğutma talepleri gibi ayrıntıları açıkça ortaya koyan bir yapay zeka iş planı geliştirmelidir. Dahası, yapay zeka başlangıcından itibaren sorumluluk anlayışıyla tasarlanmazsa, ciddi etik riskleri beraberinde getirebilir.
Kurumunuz için bu riskleri azaltırken değer elde etmek için yapay zekanın etkin gizliliğe sahip, güvenli, insan haklarını koruyan, kapsayıcı, tarafsız, kötüye kullanım ve suistimal fırsatlarını en aza indiren, hesap verebilirliği sağlamak adına açıklanabilir bir modelle tasarlanması gerekir.
Hedeflediğiniz kullanım senaryosu bu riskleri etkili ve verimli bir şekilde hesaba katabilir mi? Güveni artırmak adına bunları azaltabilir mi? Bu tür hususlar üzerinde özenle çalışmak, yapay zeka alternatiflerinin nerede daha uygun olabileceğini belirlemenize yardımcı olacaktır.
2- Yapay Zeka Yaşam Döngüsünün Tamamını Optimize Edin
Yapay zekayı sürdürülebilir bir şekilde ölçeklendirmek, sürdürülebilirlik adına performansı optimize etmek için mevcut tüm unsurları göz önüne almamızı gerektirir. Daha da önemlisi, bu tek seferde halledilecek türden bir sürdürülebilirlik adımı değildir. Veri seçiminden model tasarımına, eğitime, ayarlamaya ve çıkarımlara kadar yapay zeka yaşam döngüsünün her aşamasında gerçekleşmeli, ekipmanların kullanım ömrünün sonuna kadar da sürmelidir.
Yapay zeka altyapısına ve ekipmanların verimliliğindeki gelişmelere çok fazla önem verilmekle birlikte (gelişmiş çipler veya güç tüketimini %90 oranında azaltabilen, %100 doğrudan sıvı soğutma sistemi mimarisi gibi), ekipmanın ötesini de düşünmeliyiz.
Yazılım, veri, enerji ve kaynak verimliliğini artırmak için yapay zeka yaşam döngüsü üzerinde çalışmamız gerekiyor. Örneğin verinin verimliliğine odaklanmak, gereksiz veya ilgisiz verileri azaltarak işlem gücünü boşa harcamadığınızdan emin olmak için bir veri setini eleştirel bir şekilde incelemeyi gerektirebilir.
Benzer şekilde mümkün olduğunca önceden eğitilmiş modellerin kullanılması, zaten yeterli bir model mevcut olduğunda yeni bir modeli yeniden eğitmek için harcanacak enerji gereksinimini ortadan kaldırabilir.
Kuruluşlar ayrıca ayrıntılı performans metriklerini izlemek için gerekli ölçüm ve izleme araçlarını da uygulamaya almalıdır. Anketler, işletmelerin yalnızca %44’ünün yapay zeka ile ilgili enerji kullanımını gerçekten izlediğini ortaya koyuyor. Bu da çevresel tasarruf çabalarını boşa çıkarıyor.
Ayrıntılı izlemeyi bütüncül düşünceyle birleştirmek, modellerin eğitildiği zamanı yenilenebilir enerjinin daha bol olduğu pencerelere göre ayarlayarak emisyonları %80’e kadar azaltma fırsatlarını yakalamaya da yardımcı oluyor.
3- Her Koşulda Temiz Enerjinin Geleceğine Odaklanın
Dünyanın yedi gün yirmi dört saat enerji talep ettiği gerçeği, teknoloji odaklılar ve politika belirleyicilerin verimli ortaklıklar kurmasını, düşük karbonlu enerjinin geleceğine giden yol haritamızı yeniden düşünmemize yardımcı olan girişimlere yönlenmesini gerektiriyor.
Gelişmiş dünyanın, gelişmekte olan ekonomilerin enerji şebekelerini karbondan arındırmaya yardımcı olma sorumluluğu var. Birçok ülke finansman eksikliği, kaynak kısıtlamaları ve hatta siyasi irade nedeniyle daha düşük karbonlu enerji kaynaklarına yönelik altyapı erişiminden yoksun.
Herkesin yapay zekanın faydalarına sürdürülebilir bir şekilde erişebilmesi için dünyanın birçok yerinde enerji üretimini karbondan arındırmak, bu alandaki ilerlemeyi teşvik etmek her zamankinden daha fazla önem kazanıyor.
4- Sorumlu Yapay Zeka İçin Akıllı Düzenleyici Politikalar Uygulayın
Politika belirleyiciler ve özel sektör, akıllı, etkili ve pratik düzenleyici politikalar geliştirmek için iş birliği yapmalıdır. Bu politikalar sürdürülebilir BT’de inovasyonu teşvik etmeli, yapay zeka ile ilgili güç tüketimini ve emisyonları izleyerek hesaba katmalı ve en iyi uygulamaların hızla benimsenmesini kolaylaştırmak amacıyla sınırlar arasında uyum sağlamalıdır.
Elektrik ve Elektronik Mühendisleri Enstitüsü gibi uluslararası kuruluşlar tarafından geliştirilen metodolojilerin benimsenmesi teşvik edilmelidir. Çeşitli yapay zeka düzenlemeleri ortaya çıkmış olsa da, çoğunluğu çevresel sürdürülebilirliği hesaba katmamaktadır.
Ayrıca, veri merkezlerine yönelik geçici moratoryumların yürürlüğe konması uzun vadede gerçekçi bir çözüm değildir. Gerekli olan, etik kullanım gibi daha geniş kapsamlı hususların yanı sıra çevresel sürdürülebilirliğe öncelik veren bütünsel ve kapsamlı bir yaklaşımı benimsemektir.
Radikal inovasyona öncelik veren sağlam kamu-özel sektör ortaklıkları, doğal kaynaklarımızı korurken yapay zekanın potansiyelini gerçekleştirmek adına bir zorunluluk halini alıyor. Kamu, endüstri ve sivil toplum liderleri, sorumlu ve sürdürülebilir yapay zeka uygulamaları geliştirmek ve uygulamak için iş birliği yapmak zorunda.
Yapay zekanın küresel toplumumuzun uzun vadeli refahına ve esenliğine olumlu katkıda bulunmasını sağlamak için bütünsel düşünmeli, yakın iş birlikleri kurmalı, açık bir şekilde paylaşmalı ve hızlı hareket etmeliyiz.
Kaynak : 