Dijital dünya her geçen gün daha zeki hale geliyor. Özellikle ChatGPT gibi yapay zeka tabanlı sohbet robotları, milyonlarca insanın günlük yaşamının bir parçası haline gelmiş durumda. Sorulara saniyeler içinde verilen yanıtlar, hayatı kolaylaştırıyor gibi görünse de, bu teknolojinin arka planında fark edilmesi zor ama büyük bir maliyet yatıyor: Enerji tüketimi.
Görünürde hızlı ve zahmetsiz çalışan bu sistemler, gerçekte inanılmaz boyutta bir işlem gücü ve dolayısıyla yüksek miktarda elektrik kullanımı gerektiriyor. Günlük olarak milyarlarca komut işleyen bu yapay zeka sistemleri, veri merkezlerinin kapasitesini zorlarken enerji altyapıları üzerinde de ciddi bir baskı yaratıyor.
2023 yılında elde edilen verilere göre, yalnızca ABD’deki yapay zeka veri merkezlerinin toplam elektrik tüketimi ülke genelinin %4,4’üne ulaştı. Küresel ölçekte bu oran şimdilik %1,5 civarında seyrediyor. Ancak uzmanlar bu rakamların uzun süre sabit kalmayacağı konusunda hemfikir. Gidişat, 2030’a kadar yapay zekâya ayrılan enerji ihtiyacının iki katına çıkabileceğini gösteriyor.
Bu artışın iki temel nedeni var... İlki, yapay zeka modellerinin eğitilme süreci. İkincisi ise her kullanıcı komutuna verilen cevabın işlenmesi, yani çıkarım süreci. Michigan Üniversitesi’nden bilgisayar bilimci Mosharaf Chowdhury, bu süreçlerin her birinin yüksek enerji gerektirdiğine dikkat çekiyor. Bugün kullanılan büyük dil modelleri, milyarlarca kelimelik veriyle eğitiliyor ve bu işlemler devasa grafik işlem birimleri (GPU) üzerinden gerçekleşiyor.
Bir şehri aydınlatacak kadar enerji
Vrije Üniversitesi Amsterdam’da araştırmalar yürüten ve dijital teknolojilerin çevresel etkilerini takip eden Alex de Vries-Gao’ya göre, sektörün genel yaklaşımı “ne kadar büyük, o kadar iyi” anlayışına dayanıyor. Yani daha fazla veriyle eğitilen modellerin daha doğru sonuçlar vereceği düşünülüyor. Ancak bu büyüklük, donanım gereksinimlerini de katlanarak artırıyor.
Örneğin, 2023 yılında yapılan bir analiz, yapay zeka modellerini eğiten Nvidia DGX A100 sunucularının her birinin yaklaşık 6,5 kilovat enerji harcadığını ortaya koydu. Büyük bir modeli eğitmek için bu sunuculardan onlarcası, haftalarca ya da aylarca kesintisiz çalışıyor. GPT-4 modelinin eğitimi için harcandığı tahmin edilen enerji miktarı ise yaklaşık 50 gigavat-saat, ki bu, San Francisco gibi büyük bir kentin üç günlük elektrik tüketimine eşdeğer.
Ancak esas enerji harcaması, yalnızca modelin eğitildiği döneme ait değil. Asıl yük, model kullanıma açıldığında başlıyor. Temmuz 2025 itibarıyla, ChatGPT kullanıcıları her gün 2,5 milyardan fazla komut gönderiyor. Bu komutlara hızlı yanıt verebilmek için sayısız sunucu aynı anda devreye giriyor. Üstelik bu durum sadece ChatGPT ile sınırlı değil. Google Gemini ve benzeri yapay zekâ sistemleri de hızla yaygınlaşıyor ve temel arama araçlarının yerini almaya hazırlanıyor.
Yani sorun yalnızca modellerin büyüklüğü değil; aynı zamanda her geçen gün artan kullanıcı sayısı da enerji tüketimini katlıyor.
Veriler eksik, sorular çok fazla
Enerji tüketimindeki bu artış, beraberinde bazı soru işaretlerini de getiriyor. Bu sistemler gerçekten ne kadar enerji harcıyor? Bu tüketimi azaltmak mümkün mü? Ve en önemlisi, dünya bu hızla büyüyen teknolojiye altyapı anlamında ne kadar dayanabilir?
Chowdhury bu sorulara yanıt bulabilmek için “ML Energy Leaderboard” adlı bir izleme aracı geliştirdi. Bu platform, açık kaynaklı yapay zeka modellerinin çıkarım aşamasında ne kadar enerji harcadığını ölçmeyi amaçlıyor. Ancak büyük teknoloji şirketleri, yani Google, Microsoft ve Meta gibi şirketler, enerji kullanımıyla ilgili verileri şeffaf bir şekilde paylaşmadığı için, mevcut rakamların yalnızca tahmini değerler olduğu düşünülüyor.
Yapay zeka her geçen gün daha erişilebilir ve etkileyici hale gelse de; bu gelişimin görünmeyen bedeli olan yüksek enerji kullanımı ve bunun çevre üzerindeki potansiyel etkileri can sıkmaya devam ediyor. Teknoloji şirketleri, kullanıcılar ve politika yapıcılar bu sorunu görmezden gelmeden, geleceğe yönelik sürdürülebilir çözümler geliştirmek zorunda.