Yapay Zekanın Gizli Su Maliyeti: Hesaplamanın Yolları!

Yapay zeka sistemleri su tüketiminde oldukça aktif. OpenAI’nin ChatGPT sisteminin GPT-3 versiyonu ile kullanıcıların yaptığı her kısa sohbet için 500 mililitre kadar su harcanıyor – yani bir şişe su kadar. Buna ek olarak, bir 100 kelimelik e-posta hazırlarken de aynı miktarda su tüketiliyor.

Bu rakamlar, veri merkezlerinin sunucularını soğutmak için kullanılan suyu ve onları çalıştıran elektriği üreten tesislerde tüketilen suyu kapsıyor. Ancak bu miktarlar, nerede ve ne zaman olduğu gibi bazı faktörlere bağlı olarak oldukça değişkenlik gösterebiliyor.

Bir akademik kütüphaneci ve eğitim profesörü olarak, yapay zekayı anlama, sadece komut yazmayı bilmekten ibaret değil. Aynı zamanda altyapı, takaslar ve AI’yı çevreleyen toplumsal kararları anlamayı da içerir.

Pek çok insan AI’ın doğası gereği zararlı olduğunu düşünüyor, özellikle enerji ve su tüketimi ile ilgili manşetler göz önüne alındığında. Evet, bu etkiler gerçek, ancak hikayenin sadece bir kısmı.

Bireyler, yapay zekayı sadece bir kaynak tüketicisi olarak görmekten kurtulup, etkilerinin nereden geldiğini, nasıl değişkenlik gösterdiğini ve onları azaltmanın yollarını kavradığında, inovasyon ile sürdürülebilirlik arasındaki dengeyi sağlamak için daha iyi kararlar alabilecekler.

İki gizli su akışı

Her yapay zeka sorgusu arkasında iki su akışı bulunmaktadır.

İlk akış, sunucuların üzerinde biriken aşırı ısıyı uzaklaştırmak için kullanılan yerinde soğutma işlemi ile ilgilidir. Bu süreç genellikle buharlaşmalı soğutma kulelerini kullanır; yani sıcak borular ya da açık havuzlar üzerine püskürtülen büyük su buharı. Buharlaşma ısıyı uzaklaştırırken, bu su yerel su kaynaklarından yani nehir, rezervuar ve yer altı su kaynaklarından çekilir. Diğer soğutma sistemleri daha az su ama daha fazla elektrik kullanabilir.

İkinci akış, veri merkezini çalıştırmak için kullanılan elektriği üreten enerji santralleri tarafından kullanılır. Kömür, gaz ve nükleer enerji santralleri büyük miktarda su kullanır; buhar döngüleri ve soğutma için.

Hidroelektrik enerji de büyük miktarda su kullanır ve bu su rezervuarlardan buharlaşır. Yoğunlaştırılmış güneş enerjisi santralleri, geleneksel buhar santralleri gibi çalıştığında suya bağımlı olabilir.

Buna karşın, rüzgar türbinleri ve güneş panellerinin inşaat sonrasında sadece ara sıra temizlik dışında su kullanımı neredeyse yoktur.

İklim ve zaman önemlidir

Su kullanımı konuma göre dramatik bir değişim gösterir. Muntazam dış hava sıcaklığı ile serin ve nemli İrlanda gibi yerlerde yer alan veri merkezleri genellikle dış hava şartlarına güvenebilir ya da soğutucular kullanarak minimal su kullanımına başvurabilir. Ancak Temmuz ayında Arizona gibi sıcak yerlerde su buharlaştırıcı soğutma yöntemlerine yoğun şekilde bağımlıdırlar. Sıcak, kuru hava bu yöntemi oldukça etkili kılar, ancak bu aynı zamanda büyük miktarda su tüketimine yol açar, çünkü su buharlaşması ısıyı uzaklaştıran mekanizmadır.

Zaman da fark yaratır. Massachusetts Amherst Üniversitesi’nde yapılan bir araştırma, bir veri merkezinde kışın su kullanımının yaz mevsiminde kullanılanın yalnızca yarısı kadar olabileceğini ortaya koydu. Ayrıca sıcak hava dalgası sırasında güneşin en yakın olduğu zamanda soğutma sistemleri aşırı çalışırken, gece vakti talep daha düşük olur.

Yeni yaklaşımlar ise umut verici alternatifler sunuyor. Örneğin, daldırma soğutması, elektrik iletimi yapmayan sıvılar içine sunucuları daldırarak su buharlaşmasını neredeyse tamamen azaltıyor.

Ve Microsoft’tan yeni bir tasarım, soğutma için sıfır su kullanımı iddiasında bulunuyor. Bu özellik, özel bir sıvının kapalı borular boyunca doğrudan bilgisayar yongalarının üzerinden geçtiği ve sıvının ısıyı emip sonra kapalı devre bir sistemde saldığı anlamına gelir, bu yüzden buharlaşma gerektirmez. Veri merkezleri yine de tuvaletler ve diğer personel tesisleri için bir miktar içme suyu kullanacaktır, ancak soğutma işlemi sırasında artık yerel su kaynaklarından çekim yapılmayacak.

Bu çözümler henüz ana akım hale gelmedi; bunun başlıca nedeni maliyet, bakım karmaşıklığı ve mevcut veri merkezlerini yeni sistemlere dönüştürmenin zorluğudur. Çoğu operatör buharlaşmalı sistemleri kullanıyor.

Kullanabileceğiniz basit bir yetenek

Sorgulanan yapay zeka modelinin türü de önem arz eder. Bunun nedeni, farklı karmaşıklık seviyeleri ve ihtiyaç duydukları donanım ve işlemci gücü miktarıdır. Bazı modeller diğerlerinden çok daha fazla kaynak tüketebilir. Örneğin, bir çalışma bazı modellerin ultra verimli olanlardan 70 katından fazla enerji ve su tüketebileceğini bulmuştur.

Yapay zekanın su ayak izini kendiniz, hiçbir ileri matematik gerektirmeden sadece üç adımda hesaplayabilirsiniz.

Adım 1 – Güvenilir araştırmalar veya resmi açıklamalar arayın. Bağımsız analizler, orta uzunluktaki bir GPT-5 yanıtının, yaklaşık 150 ila 200 kelimelik bir çıktı olduğunu ve yaklaşık 200 ila 300 jeton arasında olduğunu ve yaklaşık 19.3 watt-saat kullandığını tahmin ediyorlar. GPT-4o’dan benzer uzunluktaki bir yanıt yaklaşık 1.75 watt-saat kullanır.

Adım 2 – Elektrik birimi başına su miktarını pratik bir şekilde tahmin edin; bu, soğutma ve enerji kullanımı için toplamdır.

Bağımsız araştırmacılar ve sektörraporları, bugün makul bir aralığın yaklaşık 1.3 ila 2.0 mililitre watt-saat başına olduğunu öne sürüyor. Alt uç, modern soğutma ve temiz şebekeler kullanan verimli tesisleri yansıtır. Üst uç daha tipik yerleri temsil eder.

Adım 3 – Şimdi parçaları birleştirme zamanı. Adım 1’de bulduğunuz enerji numarasını Adım 2’deki su faktörü ile çarpın. Bu, tek bir AI yanıtının su ayak izini verir.

İhtiyacınız olacak basit formül:

Her sorgu başına enerji (watt-saat) × Su faktörü (watt-saat başına mililitre) = Sorgu başına su (mililitre cinsinden)

Orta uzunlukta bir GPT-5 sorgusu için; bu hesaplama 19.3 watt-saat ve 2 mililitre watt-saat başına kullanılarak yapılır. 19.3 x 2 = yanıt başına 39 mililitre su.

Orta uzunlukta bir GPT-4o sorgusu için hesaplama 1.75 watt-saat x 2 mililitre watt-saat başına = yanıt başına 3.5 mililitre su.

Veri merkezlerinin daha verimli olduğunu varsayarsanız ve watt-saat başına 1.3 mililitre kullanırsanız, sayılar düşer: GPT-5 için yaklaşık 25 mililitre ve GPT-4o için 2.3 mililitre.

Google’ın yakın tarihli bir teknik raporu, Gemini sistemine etkin bir metin isteminin yalnızca 0.24 watt-saat elektrik ve yaklaşık 0.26 mililitre su – yaklaşık beş damla hacmi – kullandığını belirtti. Ancak rapor, bu istemin ne kadar uzun olduğunu belirtmediği için, GPT su kullanımı ile doğrudan karşılaştırılamaz.

Bu farklı tahminler – 0.26 mililitreden 39 mililitreye kadar – verimliliğin, yapay zeka modelinin ve enerji üretimi altyapısının ne kadar önemli olduğunu göstermektedir.

Kıyaslamalar bağlam ekleyebilir

Bu sorguların ne kadar su kullandığını tam anlamıyla kavrayabilmek için, bunları diğer tanıdık su tüketimleri ile karşılaştırmak faydalı olabilir.

Milyonlarla çarpıldığında, yapay zeka sorgularının su kullanımı birikiyor. OpenAI, günde yaklaşık 2.5 milyar sorgu rapor ediyor. Bu rakam, GPT-4o, GPT-4 Turbo, GPT-3.5 ve GPT-5 sistemlerine yönelik sorguları içerir ve her model için kaç sorgunun yapıldığına dair kamuya açık bir ayrım yoktur.

Bağımsız tahminler ve Google’ın resmi raporlaması olası aralığı anlamaya yardımcı oluyor:

• Tüm Google Gemini ortalama istemleri: günlük yaklaşık 650.000 litre.
• Tüm GPT 4o orta istemleri: günlük yaklaşık 8.8 milyon litre.
• Tüm GPT 5 orta istemleri: günlük yaklaşık 97.5 milyon litre.

Kıyaslama yapmak gerekirse, Amerikalılar doğan ve bahçeleri sulamak için günlük yaklaşık 34 milyar litre su kullanıyor. Bir litre dörtte bir galon kadar bir şey.

Generative AI su tüketiyor ancak – en azından şu an için – günlük toplamları çimler, duşlar ve çamaşır gibi diğer yaygın kullanımlar ile karşılaştırıldığında küçük kalıyor.

Ancak su talebi sabit değil. Google’ın açıklamaları, optimize edilmiş sistemlerle, özel yongalar, verimli soğutma ve akıllı iş yükü yönetimi ile mümkün olanı gösteriyor. Suyu geri dönüştürmek ve veri merkezlerini daha serin, daha yaş ortamlarına yerleştirmek de yardımcı olabilir.

Şeffaflık önemlidir: Şirketler verilerini açıkladığında, kamu, politikacı ve araştırmacılar başarılabilir olanı görebilir ve sağlayıcıları adil bir şekilde karşılaştırabilirler.

Leo S. Lo, Kütüphane Dekanı; AI Okur-Yazarlığı İçin Provost Danışmanı; Eğitim Profesörü, Virginia Üniversitesi

Bu makale yaratıcı bir ortak lisans altında The Conversation’dan yeniden yayınlanmıştır. Orijinal makaleyi okuyun.