Yapay zekanın günlük kullanımı son yıllarda hızla artarken, onu destekleyen bilgi işlem altyapısının enerji talepleri de arttı. Ancak gigawatt’larca güç tüketen ve soğutma için büyük miktarda suya ihtiyaç duyan bu büyük veri merkezlerinin çevresel etkileri çok yaygın ve ölçülmesi zor.
Artık Cornell araştırmacıları, bu çevresel etkiye eyalet bazında bir bakış oluşturmak için gelişmiş veri analitiğini ve doğal olarak bazı yapay zekaları da kullanıyor.
Ekip, 2030 yılına gelindiğinde mevcut yapay zeka büyüme oranının atmosfere yıllık olarak 24 ila 44 milyon metrik ton karbondioksit salacağını, bunun da ABD karayollarına 5 ila 10 milyon araba eklenmesine eşdeğer emisyonlar olacağını buldu. Ayrıca yılda 731 ila 1.125 milyon metreküp su tahliye edilecektir; bu, 6 ila 10 milyon Amerikalının yıllık ev su kullanımına eşittir. Kümülatif etki, yapay zeka endüstrisinin net sıfır emisyon hedeflerini ulaşılamaz hale getirecek.
Olumlu tarafı, çalışma aynı zamanda akıllı konumlandırmayı, daha hızlı şebeke karbonsuzlaştırmasını ve operasyonel verimliliği kullanarak bu etkileri en kötü senaryolara kıyasla yaklaşık %73 (karbondioksit) ve %86 (su) oranında azaltacak eyleme geçirilebilir bir yol haritasının ana hatlarını çiziyor.
Bulgular şu adreste yayınlandı: Doğa Sürdürülebilirliği. İlk yazar, Proses-Enerji-Çevre Sistemleri Mühendisliği (PEESE) laboratuvarında doktora öğrencisi Tianqi Xiao’dur.
Projeyi yöneten Cornell Engineering’den Roxanne E. ve Michael J. Zak Enerji Sistemleri Mühendisliği Profesörü Fengqi You, “Yapay zeka toplumun her sektörünü değiştiriyor, ancak hızlı büyümesi enerji, su ve karbonda gerçek bir ayak izini de beraberinde getiriyor” dedi.
“Çalışmamız basit bir soruyu yanıtlamak için inşa edildi: Yapay zeka bilgi işlem patlamasının büyüklüğü göz önüne alındığında, bu nasıl bir çevresel yol izleyecek? Ve daha da önemlisi, onu sürdürülebilirliğe yönlendirecek tercihler neler?”
Ekip, ülkenin yapay zeka bilgi işlem altyapısının çevresel ayak izini ölçmek amacıyla üç yıl önce sektörün nasıl genişlediğini anlamak amacıyla finans, pazarlama ve üretim verilerinin “çok boyutlu” verilerini, güç sistemleri ve kaynak tüketimine ilişkin konuma özgü verilerle ve bunların iklim değişiklikleriyle nasıl bağlantılı olduğuyla birlikte derlemeye başladı.
“Çok fazla veri var ve bu çok büyük bir çaba gerektiriyor. Enerji, su, iklim gibi sürdürülebilirlik bilgileri genellikle açık ve halka açıktır. Ancak endüstriyel veriler zordur çünkü her şirket her şeyi rapor etmez” dediniz. “Ve tabii ki sonuçta hâlâ birden fazla senaryoya bakmamız gerekiyor. Tek bir boyutun herkese uyması mümkün değil. Düzenlemeler açısından her bölge farklıdır. Bazı veri boşluklarını doldurmak için de yapay zekadan yararlandık.”
Ancak etkileri öngörmek yeterli değildi. Araştırmacılar ayrıca yapay zeka altyapısının sürdürülebilir büyümesi için veriye dayalı rehberlik sağlamak istedi.
“Sihirli bir çözüm yok” dedin. “Yerleştirme, şebekenin karbondan arındırılması ve verimli operasyonlar birlikte çalışır; bu şekilde karbon için yaklaşık %73 ve su için %86 civarında azalma elde edersiniz.”
Şimdiye kadarki en önemli faktörlerden biri: Konum, konum, konum.
Nevada ve Arizona gibi su kıtlığı olan bölgelerde birçok güncel veri kümesi oluşturuluyor. Kuzey Virginia gibi bazı merkezlerde ise hızlı kümelenme yerel altyapıyı ve su kaynaklarını zorlayabilir.
Çalışma, tesislerin su sıkıntısının daha az olduğu bölgelere yerleştirilmesi ve soğutma verimliliğinin artırılmasının su taleplerini yaklaşık %52 oranında azaltabileceğini ve şebeke ve operasyonel en iyi uygulamalarla birleştirildiğinde toplam su azaltımının %86’ya ulaşabileceğini ortaya çıkardı. Ortabatı ve “rüzgar kuşağı” eyaletleri (özellikle Teksas, Montana, Nebraska ve Güney Dakota) en iyi karbon ve su kombinasyonunu sunacaktır.
“New York eyaleti, nükleer, hidroelektrik ve büyüyen yenilenebilir kaynaklardan oluşan temiz elektrik karışımı sayesinde düşük karbonlu, iklim dostu bir seçenek olmaya devam ediyor” dediniz, “ancak su açısından verimli soğutmaya ve ek temiz güce öncelik vermek çok önemli.”
Karbondan arındırma bilişim talebini karşılamazsa emisyonlar yaklaşık %20 artabilir.
You, “Her kilovatsaat daha temiz hale gelse bile, yapay zeka talebi şebekenin karbondan arındırılmasından daha hızlı artarsa toplam emisyonlar artabilir” dedi. “Çözüm, yapay zeka bilişiminin genişlediği yerlerde temiz enerjiye geçişi hızlandırmaktır.”
Ancak şebekeyi karbondan arındırmak ancak bu kadarını sağlayabilir. İddialı yüksek yenilenebilir enerji senaryosunda bile, 2030 yılına kadar karbondioksit başlangıç çizgisine kıyasla kabaca %15 düşecek ve yaklaşık 11 milyon ton artık emisyon kalacak; net sıfıra ulaşmak için kabaca 28 gigawatt rüzgar veya 43 gigawatt güneş enerjisi kapasitesi gerekecek.
Araştırmacılar, gelişmiş sıvı soğutma ve iyileştirilmiş sunucu kullanımı gibi enerji ve su açısından verimli bir dizi teknolojinin kullanılmasının potansiyel olarak karbondioksiti %7 oranında daha ortadan kaldırabileceğini ve su kullanımını %29 oranında azaltabileceğini ve birleştirildiğinde toplam su miktarının %32 oranında azaltılabileceğini belirledi.
You’ya göre, OpenAI ve Google gibi şirketler talebe ayak uydurmak için hızla yapay zeka veri merkezleri oluşturmaya giderek daha fazla para aktarırken, bu, yerel su kıtlığı ve yüksek şebeke emisyonlarını önlemek için endüstri, kamu hizmetleri ve düzenleyiciler arasında koordineli planlama için çok önemli bir an.
“Bu, inşa etme anı” dedi. “Bu on yılda yapacağımız yapay zeka altyapısı seçimleri, yapay zekanın iklim ilerlemesini hızlandırıp hızlandırmayacağına veya yeni bir çevresel yük haline gelip gelmeyeceğine karar verecek.”
Ortak yazarlar arasında İsveç’in Stockholm kentindeki KTH Kraliyet Teknoloji Enstitüsü’nden araştırmacılar; Montreal, Kanada’daki Concordia Üniversitesi; ve İtalya’nın Milano kentindeki RFF‑CMCC Avrupa Ekonomi ve Çevre Enstitüsü.
