Yapay zeka alanında faaliyet gösteren birçok büyük teknoloji firması, 2030 yılına kadar net sıfıra ulaşma hedeflerini belirledi ancak büyük veri merkezlerini çalıştırmak için gereken enerji ve suya ilişkin yeni bir tahmin, bu hedefleri tutturma olasılıklarının düşük olduğunu gösteriyor
Ashburn, Virginia’da bir veri merkezi
Yapay zeka endüstrisi hızla genişledikçe, veri merkezlerinin çevresel etkileriyle ilgili sorular ön plana çıkıyor ve yeni bir tahmin, sektörün 2030 yılına kadar net sıfır hedeflerine ulaşma ihtimalinin düşük olduğu konusunda uyarıyor.
New York’taki Cornell Üniversitesi’nden Fengqi You ve meslektaşları, farklı büyüme senaryolarını ve Amerika Birleşik Devletleri’ndeki olası veri merkezi konumlarını dikkate alarak günümüzün önde gelen yapay zeka sunucularının 2030 yılına kadar ne kadar enerji, su ve karbon kullanabileceğini modelledi. Analizlerini gerçekleştirmek için öngörülen çip beslemesini, sunucu güç kullanımını ve soğutma verimliliğini eyalet bazında elektrik şebekesi verileriyle birleştirdiler. Her yapay zeka şirketi net sıfır hedefi belirlememiş olsa da Google, Microsoft ve Meta gibi yapay zeka konusunda aktif olan bazı büyük teknoloji firmaları son tarihi 2030 olan hedefler belirledi.
You, “Yapay zeka bilişiminin hızlı büyümesi temelde her şeyi yeniden şekillendiriyor” diyor. “Sektör büyüdükçe etkisinin ne olacağını anlamaya çalışıyoruz?”
Tahminleri, ABD yapay zeka sunucusu kurulumunun 2030 yılına kadar 731 milyon ila 1.125 milyar metreküp arasında ilave su gerektireceğini ve yılda 24 ila 44 milyon ton karbondioksite eşdeğer bir emisyon salacağını öne sürüyor. Tahmin, yapay zeka talebinin ne kadar hızlı büyüdüğüne, gerçekte kaç tane üst düzey sunucunun inşa edilebileceğine ve yeni ABD veri merkezlerinin nerede konumlandığına bağlı.
Araştırmacılar büyüme hızına göre beş senaryo modellediler ve etkiyi azaltmanın çeşitli yollarını belirlediler. You, “Bir numara konum, konum, konum” diyor. Veri merkezlerini, suyun daha fazla mevcut olduğu ve enerji şebekesinin daha yüksek oranda yenilenebilir enerji kaynaklarıyla beslendiği Ortabatı eyaletlerine yerleştirmek, etkiyi azaltabilir. Ekip ayrıca enerji kaynaklarının karbondan arındırılmasının ve veri merkezi bilgi işlem ve soğutma süreçlerinin verimliliğinin arttırılmasının, etkiyi sınırlamanın başlıca yolları olduğunu belirtiyor. Bu üç yaklaşım toplu olarak sektörün emisyonlarını yüzde 73, su ayak izini ise yüzde 86 oranında azaltabilir.
Ancak grubun öngörüleri, çevre üzerindeki potansiyel sömürücü etkileri nedeniyle veri merkezi kurulumlarına yönelik kamuoyu muhalefeti nedeniyle de sekteye uğrayabilir. Küresel veri merkezi kapasitesinin yaklaşık sekizde birine ev sahipliği yapan Virginia’da bölge sakinleri, su rezervleri ve daha geniş çevre üzerindeki etkiyi gerekçe göstererek daha fazla planlanan inşaatlara karşı çıkmaya başladı. Veri merkezlerine karşı benzer dilekçeler Pensilvanya, Teksas, Arizona, Kaliforniya ve Oregon’da da sunuldu. Veri merkezi gelişimini takip eden bir araştırma firması olan Data Center Watch’un rakamları, yerel muhalefetin 64 milyar dolar değerindeki projeleri engellediğini gösteriyor. Ancak veri merkezlerini başarıyla reddeden yerlerde bile ne kadar güç ve su kullanabileceği belirsiz.
Bu nedenle yeni bulgular, yapay zekanın çevresel etkisini incelemeye ve ölçmeye çalışanlar tarafından – ihtiyatlı da olsa – memnuniyetle karşılandı. Yapay zeka şirketi Hugging Face’ten Sasha Luccioni, “Yapay zeka o kadar hızlı ilerleyen bir alan ki geleceğe yönelik anlamlı tahminler yapmak gerçekten zor” diyor. “Yazarların kendilerinin de söylediği gibi, sektördeki atılımlar, kaba kuvvet hesaplamasını azaltmak için farklı teknikler kullanan DeepSeek’te gördüğümüz gibi, bilgi işlem ve enerji gereksinimlerini temelden değiştirebilir”.
Birleşik Krallık’taki Bristol Üniversitesi’nden Chris Preist, “yazarlar ek yenilenebilir enerji kapasitesine yatırım yapılması gerektiğine işaret etmekte haklı” diyor ve veri merkezi konumu konularını ekliyor. “Yapay zeka veri merkezlerini doğrudan soğutmak için su kullanımına ilişkin varsayımlarının oldukça kötümser olduğunu düşünüyorum” diyor ve modelin “en iyi durum” senaryosunun bugünlerde veri merkezleri için “her zamanki gibi işlere” benzediğini öne sürüyor.
Luccioni, makalenin yapay zeka dünyasında neyin eksik olduğunu vurguladığına inanıyor: “daha fazla şeffaflık”. Kendisi, “model geliştiricilerin bilgi işlem ve enerji kullanımlarını takip etmelerini ve raporlamalarını, bu bilgileri kullanıcılara ve politika yapıcılara sağlamalarını ve emisyonlar da dahil olmak üzere genel çevresel etkilerini azaltmaya yönelik kesin taahhütlerde bulunmalarını talep ederek” bu durumun düzeltilebileceğini açıklıyor.
