Yapay zekâ son yıllarda insanlık tarihinin en hızlı gelişen teknolojik dönüşümlerinden birini temsil etmektedir. Ancak bu dönüşümün çoğu zaman göz ardı edilen bir boyutu bulunmaktadır: çevresel ayak izi. Yapay zekâ sistemleri sanal dünyada faaliyet gösteriyor gibi görünse de gerçekte büyük miktarda enerji, su, hammadde ve fiziksel altyapı gerektiren veri merkezlerine dayanmaktadır. Bu nedenle yapay zekânın çevresel etkileri artık yalnızca teknoloji politikalarının değil, çevre politikalarının da önemli bir konusu hâline gelmiştir.
Uluslararası Enerji Ajansı'nın (IEA) değerlendirmelerine göre veri merkezleri, kripto varlık sistemleri ve yapay zekâ uygulamaları birlikte değerlendirildiğinde küresel elektrik tüketiminin yaklaşık %2–4'ünü oluşturmaktadır ve bu oranın önümüzdeki yıllarda önemli ölçüde artması beklenmektedir (IEA, 2024). Özellikle üretken yapay zekâ sistemlerinin yaygınlaşması, veri merkezlerinin enerji talebinde ciddi artışlara yol açmaktadır.
Enerji tüketiminin büyüklüğünü anlamak için bazı örnekler dikkat çekicidir. Goldman Sachs tarafından yayımlanan analizlere göre yapay zekâ uygulamalarının yaygınlaşması sonucunda veri merkezlerinin elektrik talebinin 2030 yılına kadar yaklaşık %160 oranında artabileceği öngörülmektedir (Goldman Sachs, 2024). Benzer şekilde IEA, dünya genelindeki veri merkezlerinin toplam elektrik tüketiminin 2022 yılında yaklaşık 460 terawatt-saat (TWh) seviyesinde olduğunu ve bu rakamın on yıl içerisinde iki katına yaklaşabileceğini belirtmektedir (IEA, 2024).
Yapay zekânın çevresel etkisi yalnızca enerji tüketimiyle sınırlı değildir. Veri merkezlerinde ortaya çıkan yüksek miktardaki ısının uzaklaştırılması için yoğun soğutma sistemleri kullanılmaktadır. Bu durum özellikle su tüketimi açısından yeni çevresel sorunlar yaratmaktadır.
Örneğin, Kaliforniya Üniversitesi Riverside kampüsünde gerçekleştirilen bir çalışmada, büyük dil modellerinin eğitimi sırasında yüz binlerce litre su tüketilebildiği gösterilmiştir. Araştırmaya göre GPT benzeri büyük modellerin eğitim süreçlerinde yaklaşık 700.000 litre temiz suya eşdeğer bir su ayak izi oluşabilmektedir (Li et al., 2023). Aynı çalışma, kullanıcıların yapay zekâ ile gerçekleştirdiği her 20–50 sorgunun yaklaşık yarım litre su tüketimine dolaylı olarak karşılık gelebileceğini göstermektedir.
Su tüketimi özellikle iklim değişikliğinin etkilerinin hissedildiği bölgelerde önem kazanmaktadır. Veri merkezleri çoğu zaman enerji altyapısına yakın konumlandırılmakta, ancak bu bölgelerin bir kısmı aynı zamanda su stresi yaşayan havzalarda yer almaktadır. Bu nedenle gelecekte veri merkezi planlamalarında enerji kadar su kaynakları yönetimi de kritik bir kriter hâline gelecektir.
Çevresel ayak izinin üçüncü boyutu ise donanım üretimidir. Yapay zekâ sistemleri yüksek performanslı grafik işlemciler (GPU), gelişmiş yarı iletkenler ve veri depolama sistemleri gerektirmektedir. Bu ekipmanların üretimi için lityum, kobalt, nikel ve çeşitli nadir toprak elementleri kullanılmaktadır. Birleşmiş Milletler Çevre Programı (UNEP), dijital teknolojilere olan talebin artmasının küresel madencilik baskısını da artırdığına dikkat çekmektedir (UNEP, 2024).
Elektronik atıklar da giderek büyüyen bir sorun oluşturmaktadır. Birleşmiş Milletler tarafından yayımlanan Küresel E-Atık İzleme Raporu'na göre dünyada 2022 yılında yaklaşık 62 milyon ton elektronik atık üretilmiş ve bunun yalnızca %22,3'ü resmî geri dönüşüm sistemlerine kazandırılmıştır (UNITAR, 2024). Yapay zekâ altyapılarının büyümesi, veri merkezi ekipmanlarının yenilenme hızını artırarak bu sorunu daha da büyütebilir.
Ancak yapay zekâ teknolojilerini yalnızca çevresel yük üreten sistemler olarak değerlendirmek eksik olacaktır. Aynı teknolojiler çevre koruma çalışmalarında önemli fırsatlar sunmaktadır. Yapay zekâ sistemleri enerji verimliliğini artırmakta, akıllı şebekeleri optimize etmekte, orman yangınlarının erken tespitinde kullanılmakta ve biyolojik çeşitlilik izleme çalışmalarında önemli katkılar sağlamaktadır. Nitekim bazı çalışmalar yapay zekâ destekli enerji optimizasyon sistemlerinin veri merkezlerinde enerji tüketimini %30–40 oranında azaltabildiğini göstermektedir (Google DeepMind, 2016).
Bu nedenle günümüzde giderek daha fazla araştırmacı "Yeşil Yapay Zekâ" (Green AI) yaklaşımını savunmaktadır. Bu yaklaşımın temel amacı yalnızca daha güçlü algoritmalar geliştirmek değil, aynı zamanda enerji ve su tüketimi daha düşük olan sistemler tasarlamaktır. Yenilenebilir enerjiyle çalışan veri merkezleri, sıvı soğutma teknolojileri, atık ısı geri kazanım sistemleri ve daha verimli işlemciler bu dönüşümün temel araçları arasında yer almaktadır.
Türkiye açısından konu stratejik öneme sahiptir. Dijital dönüşüm politikalarının hızlandığı günümüzde veri merkezi yatırımlarının artması beklenmektedir. Ancak bu yatırımlar planlanırken enerji arz güvenliği, su kaynakları yönetimi ve karbon emisyonları da dikkate alınmalıdır. Aksi takdirde dijitalleşmenin çevresel maliyetleri uzun vadede beklenenden daha yüksek olabilir.
Sonuç olarak yapay zekâ sistemleri yalnızca yazılım değildir; arkasında enerji tüketen, su kullanan ve doğal kaynaklara ihtiyaç duyan büyük bir fiziksel altyapı bulunmaktadır. Geleceğin temel sorusu artık yalnızca "Daha güçlü yapay zekâ nasıl geliştirilir?" değildir. Aynı zamanda şu soru da sorulmalıdır:
Gezegenin ekolojik sınırlarını aşmadan daha güçlü yapay zekâ geliştirmek mümkün müdür?
Bu soruya verilecek cevap, dijital çağın sürdürülebilirlik politikalarını şekillendirecektir.
Kaynakça
Goldman Sachs. (2024). AI is poised to drive 160% increase in data center power demand.
Google DeepMind. (2016). DeepMind AI reduces Google data centre cooling bill by 40%.
International Energy Agency (IEA). (2024). Electricity 2024: Analysis and Forecast to 2026.
Li, P., Yang, J., Islam, M. A., & Ren, S. (2023). Making AI Less “Thirsty”: Uncovering and Addressing the Secret Water Footprint of AI Models. University of California, Riverside.
United Nations Environment Programme (UNEP). (2024). Global Resources Outlook 2024.
United Nations Institute for Training and Research (UNITAR). (2024). Global E-waste Monitor 2024.
Adem Bilgin
English
German
Russian
Arabic