Yeni bir araştırma, yalnızca GPT-3 eğitiminin 185.000 galon (700.000 litre) su tükettiğini gösteriyor.
Araştırma bulgularına göre, ortalama bir kullanıcının ChatGPT ile yaptığı konuşma alışverişi temelde büyük bir şişe tatlı suyu yere dökmek anlamına geliyor. Chatbot’un benzeri görülmemiş popülaritesi göz önüne alındığında; araştırmacılar, dökülen tüm şişelerin, özellikle ABD’deki tarihi kuraklıklar ve başgösteren çevresel belirsizliğin ortasında, su kaynakları üzerinde rahatsız edici bir etki yaratabileceğinden korkuyor.
Colorado Riverside Üniversitesi ve Texas Arlington Üniversitesi’nden araştırmacılar, AI su tüketimi tahminlerini “Making AI Less ‘Susamış’” başlıklı bir ön baskı makalesinde yayınladılar. Yazarlar, GPT-3’ü eğitmek için gereken temiz tatlı su miktarının bir nükleer reaktörün soğutma kulesini doldurmak için gereken miktara eşdeğerdir.
OpenAI, GPT-3’ü eğitmek için gereken süreyi açıklamadı. Bu da araştırmacıların tahminlerini zorlaştırıyor ancak yapay zeka girişimiyle çok yıllı, milyarlarca dolarlık bir ortaklık kuran ve yapay zeka eğitimi için süper bilgisayarlar inşa eden Microsoft diyor. Kapsamlı bir soğutma aparatı gerektirecek olan en son süper bilgisayarının 10.000 grafik kartı ve 285.000’den fazla işlemci çekirdeği içerdiğini ve bu da yapay zekanın arkasındaki operasyonun geniş ölçeğine bir bakış sağlıyor.
Bu devasa miktarda galon, 320 Tesla’lık pil hücresi üretebilir veya başka bir deyişle, GPT-3’ten sonra gelen ChatGPT’nin, bir kullanıcıyla basit bir alışverişi tamamlamak için 500 mililitrelik bir su şişesini “içmesi” gerekir. Yaklaşık 25-50 sorudan oluşmaktadır.
AI modelini eğitmek için gereken devasa galon sayısı, eğitimin Microsoft’un özellikle OpenAI için on milyonlarca ayara göre inşa edilmiş son teknoloji ABD veri merkezinde yapıldığını varsayar. Veriler, şirketin enerji açısından daha az verimli olan Asya veri merkezinde eğitildiyse, rapora göre su tüketimi üç kat daha fazla olabilir. Araştırmacılar, bu su gereksinimlerinin yalnızca, önceki modellere göre daha geniş bir veri parametreleri kümesine dayanan, yakın zamanda piyasaya sürülen GPT-4 gibi daha yeni modellerle daha da artacağını düşünüyor.
Araştırmacılar, “AI modellerinin su ayak izi artık radarın altında kalamaz” dedi. “Su ayak izi, küresel su sorunlarıyla mücadeleye yönelik kolektif çabaların bir parçası olarak bir öncelik olarak ele alınmalıdır.”
Chatbotlar Suyu Nasıl Kullanır?
Araştırmacılar yapay zekanın su tüketimini hesaplarken su “çekimi” ve “tüketimi” arasında bir ayrım yapıyor. İlk örnek suyu bir nehirden, gölden veya başka bir kaynaktan fiziksel olarak uzaklaştırma uygulamasıdır; tüketim ise özellikle veri merkezlerinde kullanıldığında buharlaşma yoluyla su kaybını ifade eder. Yapay zekanın su kullanımına ilişkin araştırma, öncelikle bu denklemin suyun geri dönüştürülemediği tüketim kısmına odaklanıyor.
Bir şirketin sunucu odasında birkaç saniye geçirmiş olan herkes, önce bir süveter hazırlamanız gerektiğini bilir. Sunucu odaları, ekipmanın arızalanmasını önlemek için genellikle 50 ila 80 Fahrenhayt derece arasında soğuk tutulur.
Sunucuların kendileri elektrik enerjilerini ısıya dönüştürdükleri için ideal sıcaklığı korumak sürekli bir zorluktur. Aşağıda gösterilenler gibi soğutma kuleleri genellikle bu ısıyı denemek ve etkisiz hale getirmek ve soğuk suyu buharlaştırarak odaları ideal sıcaklıklarında tutmak için kullanılır.
Soğutma kuleleri işi bitirir ancak bunu yapmak için muazzam miktarda suya ihtiyaç duyarlar. Araştırmacılar, ortalama bir veri merkezinde harcanan her kilovat saat için yaklaşık bir galon su tüketildiğini tahmin ediyor. Herhangi bir su türü de kullanılamaz. Veri merkezleri, deniz suyuyla gelebilecek korozyon veya bakteri üremesini önlemek için temiz, tatlı su kaynaklarından çeker. Odalarda nem kontrolü için tatlı su da gereklidir. Araştırmacılar aynı şekilde veri merkezlerini tükettikleri yüksek miktarda elektriği üretmek için gereken sudan sorumlu tutuyorlar, bu bilim insanlarının “saha dışı dolaylı su tüketimi” dediği bir şey.
Google Veri Merkezi Resimleri
Dünya Ekonomik Forumu şimdiden yaklaşık 2.2 milyon ABD sakininin su ve temel iç tesisat tesisatından yoksun olduğunu tahmin ediyor. 44 milyon kişi ise “yetersiz” su sistemleriyle yaşıyor. Araştırmacılar, iklim değişikliği ve artan ABD nüfusunun birleşiminin, bu rakamları yüzyılın sonuna kadar daha da kötü hale getireceğinden korkuyor. Stanford, 2071 yılına kadar ülkenin 204 tatlı su havzasının yaklaşık yarısının aylık su talebini karşılayamayacağını tahmin ediyor. Birçok bölgenin önümüzdeki 50 yıl içinde su kaynaklarının üçte bir oranında kesilebileceği bildiriliyor.
Kısmen insan faaliyetinin körüklediği yükselen sıcaklıklar, Amerika’nın Batısında 1000 yılın en kötü kuraklığını kaydetmesine neden oldu ve bu aynı zamanda tatlı suyu da tehdit ediyor ancak son zamanlarda yaşanan sel yağmurları bazı korkunç endişeleri ortadan kaldırmaya yardımcı oldu. Mead Gölü gibi rezervuarlardaki su seviyeleri, onlarca yıllık insan kalıntılarını açığa çıkaracak kadar geriledi. Tüm bunlar, özellikle teknoloji her zamankinden daha fazla sektöre ve hizmete dahil edilirse, AI’nın ağır su taleplerinin muhtemelen büyüyen bir çekişme noktası haline geleceği anlamına geliyor. LLM’ler için veri gereksinimleri yalnızca artıyor, bu da şirketlerin veri merkezlerinin su verimliliğini artırmanın yollarını bulması gerektiği anlamına geliyor.
Araştırmacılar, AI’nın su fiyat etiketini düşürmenin nispeten net yolları olduğunu söylüyor. Yeni başlayanlar için, AI modellerinin nerede ve ne zaman eğitildiği önemlidir. Örneğin dış sıcaklıklar, veri merkezlerini soğutmak için gereken su miktarını etkileyebilir. Yapay zeka şirketleri, su tüketimini azaltmak için modelleri varsayımsal olarak gece yarısı daha soğukken veya daha iyi su verimliliğine sahip bir veri merkezinde eğitebilirler.
Öte yandan, Chatbot kullanıcıları, tıpkı belediye yetkililerinin bulaşık makinesi kullanımını teşvik ettiği gibi, “su verimli saatlerde” modüllerle etkileşim kurmayı tercih edebilir. Yine de, talep tarafındaki bu değişikliklerden herhangi biri, bu modelleri inşa eden teknoloji şirketlerinin bir kısmında daha fazla şeffaflık gerektirecek, araştırmacıların söylediği bir şey endişe verici derecede yetersiz.
Araştırmacılar, “Yapay zeka modeli geliştiricilerinin ve veri merkezi operatörlerinin daha şeffaf olmalarını öneriyoruz” diye yazdı. “AI modelleri ne zaman ve nerede eğitiliyor? Üçüncü taraf ortak yerleşim veri merkezlerinde veya genel bulutlarda eğitilen ve/veya dağıtılan yapay zeka modelleri ne olacak? Bu tür bilgiler, araştırma topluluğu ve genel halk için çok değerli olacaktır.” [1]‘Thirsty’ AI: Training ChatGPT Required Enough Water to Fill a Nuclear Reactor’s Cooling Tower, Study Finds[2]Öne çıkarılan görsel
[cite]
Kaynaklar ve İleri Okuma
