Yapay Zekanın Ekolojik ve Demokratik Geleceği

 

Yapay Zekanın Ekolojik ve Demokratik Geleceği

Daha Az Enerji, Daha Çok Erişim

Yapay zekanın geleceğini tartışırken çoğu zaman modellerin ne kadar güçlü olduğuna bakıyoruz. Oysa bundan daha önemlisi, bu sistemler kimin elinde çalışacak, ne kadar enerji tüketecek, internet olmadığında kullanılabilecek mi, sıradan insanlar kendi cihazlarında bu teknolojiden yararlanabilecek mi, veriler sürekli büyük şirketlerin sunucularına mı gidecek, yoksa yapay zeka giderek daha yerel, daha dağıtık ve daha erişilebilir bir teknolojiye mi dönüşecek? 

Bugün kullandığımız yapay zekaların büyük bölümü telefonumuzun ya da bilgisayarımızın içinde çalışmıyor. Bir soru yazıyoruz, soru internet üzerinden büyük veri merkezlerine gidiyor, oradaki güçlü bilgisayarlar cevabı hazırlıyor ve bize gönderiyor. Bu sistem son derece kullanışlı ama aynı zamanda dev bir merkezi altyapıya dayanıyor. Güçlü işlemciler, büyük sunucu kümeleri, yüksek elektrik tüketimi, soğutma sistemleri ve sürekli veri aktarımı gerekiyor.

 Dolayısıyla yapay zekanın yalnız ekonomik ve siyasal değil, ekolojik bir maliyeti de var. Buna karşılık açık ve yerel çalışabilen modeller başka bir imkan sunuyor. Modeli kendi bilgisayarınıza indiriyorsunuz ve internet olmadan da kullanabiliyorsunuz. Dağ başında, internet bağlantısının zayıf olduğu bir köyde ya da afet sırasında iletişim altyapısı zarar gördüğünde yapay zeka çalışmaya devam edebiliyor. Üstelik yazdıklarınızın ve belgelerinizin başka bir veri merkezine gönderilmesi gerekmiyor. Bu küçük görünen teknik fark, bilgiye erişimden mahremiyete, afet dayanıklılığından teknolojik bağımsızlığa kadar geniş bir toplumsal alanı etkiliyor.

Yapay Zeka Toplumun Elinde Ne Anlama Gelir?

Bir köy okulunda internet zayıf olabilir ama öğretmen bilgisayarındaki yapay zekadan yararlanabilir. Bir gazeteci hassas belgelerini başka bir sunucuya göndermeden analiz edebilir. Bir araştırmacı verisini cihazından çıkarmadan inceleyebilir. Bir belediye yerel bilgi sistemini dışarıya bağımlı olmadan çalıştırabilir. Bir kooperatif kendi üretim verilerini kendi bilgisayarlarında değerlendirebilir. Afet durumlarında bunun önemi daha da büyür. Deprem, sel ya da büyük bir yangın sırasında iletişim altyapısı zarar gördüğünde önceden cihazlara yüklenmiş bir yerel yapay zeka temel bilgiye erişimi sürdürebilir. 

Bugünkü yapıda çoğu zaman zekayı kiralıyoruz. Sunucu başka birinin, model başka birinin, altyapı başka birinin. Biz yalnız kapıyı kullanıyoruz. Model kendi cihazımızda çalıştığında ilişki değişiyor. Teknoloji kullanıcının eline geçiyor. Bu da yapay zekanın yalnız bir hizmet değil, toplumun kendi bilgi altyapısının parçası haline gelmesi ihtimalini büyütüyor.

Büyük Modeller Neden Eve Sığmıyor?

Burada önemli bir teknik sorun ortaya çıkıyor. Yapay zeka modelleri çok büyük. Bir modeli milyarlarca küçük ayardan oluşan dev bir matematiksel yapı gibi düşünebiliriz. Bazı modellerde birkaç milyar, bazı modellerde onlarca ya da yüzlerce milyar parametre bulunuyor. Bu sayıların bilgisayarın hafızasında saklanması gerekiyor. Üstelik siz bir soru sorduğunuzda bu milyarlarca sayı üzerinde çok hızlı matematiksel işlemler yapılıyor. Teknik detayları bir yana bırakırsak, sıradan bir bilgisayarın bunu taşıması kolay değil. İşte burada sıkıştırma devreye giriyor.

Yapay Zeka Nasıl Sıkıştırılıyor?

Sıkıştırmanın mantığı basit. Bir manavın elmayı tarttığını düşünün. Elma 183,4287 gram geliyor ama günlük kullanım için 183 gram demek yeterli olabilir. Yapay zeka modellerinde de milyarlarca sayı bulunuyor. Bu sayılar yüksek hassasiyetle saklandığında daha fazla hafıza kullanılıyor. Örneğin bir sayı 0,738492716 biçiminde tutuluyorsa sıkıştırma sırasında 0,74 gibi daha basit bir biçimde temsil edilebilir. Bir miktar hassasiyetten vazgeçiliyor ama çok daha az hafıza kullanılıyor. Bilgisayar biliminde modeldeki sayıların 16 bit yerine 8 bit, 4 bit hatta bazı durumlarda 2 bit düzeyinde saklanması mümkün. Basitleştirerek söylersek, 16 bit düzeyinde 20 GB yer kaplayan bir model 4 bit düzeyine indirildiğinde yaklaşık 5 GB civarına kadar küçülebilir. Gerçek rakam kullanılan yönteme göre değişir ama temel düşünce aynıdır. Model küçülür, daha az hafıza ister ve daha mütevazı donanımlarda çalışabilir hale gelir.

Model Küçülünce Zekası da Küçülür mü?

Sıkıştırmanın ilginç tarafı, model dört kat küçüldüğünde zekasının dört kat azalmak zorunda olmamasıdır. İyi uygulanmış sıkıştırma yöntemlerinde birçok görevde model yeteneklerinin büyük bölümünü koruyabilir. Bir miktar hassasiyet kaybı olabilir ama karşılığında çok daha küçük ve ucuz donanımlarda çalışabilen bir sistem elde edilir. Bu nedenle sıkıştırma yalnız dosya küçültme yöntemi değildir. Yapay zekanın kimlerin erişimine açık olacağını da etkiler. Bir teknoloji küçüldükçe, ucuzladıkça ve daha düşük donanımda çalışabildikçe daha fazla insanın eline geçer. Bilgisayar tarihinde bunun örneklerini gördük. Bir zamanlar bilgisayarlar yalnız devletlerin, üniversitelerin ve büyük şirketlerin sahip olabildiği dev makinelerdi. Sonra kişisel bilgisayar ortaya çıktı. Yapay zekada da benzer bir yönelim gelişiyor. 

Sıkıştırmanın Ekolojik Tarafı

Bu yöntemin ekolojik tarafı da güçlü. Büyük veri merkezleri yüksek miktarda elektrik kullanıyor, güçlü işlemciler ısınıyor ve soğutulmaları gerekiyor, veri merkezlerinin kurulması için büyük miktarda donanım üretiliyor. Bu donanımların üretiminde enerji, su ve çeşitli madenler kullanılıyor. Bir modeli daha küçük hale getirmek bu baskının bir bölümünü azaltıyor. Aynı işi yapmak için daha az güçlü GPU yeterli olabilir. Daha az işlem ve daha az bellek kullanımı da elektrik tüketimini düşürüyor. Yerel çalışan modellerin başka bir avantajı daha var. Basit bir iş için her seferinde uzak bir veri merkezine bağlanmak yerine işlem doğrudan cihazda yapılabilir. Böylece bazı görevlerde veri aktarımı azalır, merkezi sunucuların üzerindeki yük hafifler ve enerji tüketimi düşer. Yapay zeka ucuzladıkça kullanımın hızla artması da toplam enerji tüketimini yeniden yükseltebilir. 

Daha Küçük, Daha Dağıtık, Daha Yerel

Modern teknoloji uzun süre büyüklük üzerinden ilerledi. Daha büyük fabrika, daha büyük enerji santrali, daha büyük veri merkezi, daha büyük hesaplama gücü. Oysa doğadaki karmaşık sistemlere baktığımızda yalnız merkezileşme görmüyoruz. Dağıtık yapılar, yerel ilişkiler, karşılıklı etkileşim ve çok sayıda küçük birimin birlikte çalışması da son derece güçlü sistemler oluşturuyor. Yapay zekanın her işlemi birkaç dev veri merkezinde yapmak zorunda olmadığı bir gelecek düşünülebilir. Bazı görevler büyük merkezlerde yapılır, bazıları yerel bilgisayarlarda, bazıları telefonlarda, bazıları belediyelerin, üniversitelerin, kooperatiflerin ya da toplulukların kendi sistemlerinde. Böyle bir yapı hem teknolojik bağımlılığı azaltabilir hem de hesaplama gücünü daha geniş bir alana dağıtabilir. Burada sıkıştırma küçük ama önemli bir anahtar haline geliyor. 

Hesaplama Gücü de Bir İktidar Biçimi

Sanayi toplumunda fabrikaya, toprağa ve üretim araçlarına sahip olmak nasıl büyük bir güç yarattıysa, dijital çağda da büyük hesaplama altyapılarına sahip olmak benzer bir güç yaratıyor. Bugün dünyanın en gelişmiş yapay zeka sistemlerini çalıştırmak için milyarlarca dolarlık altyapılar gerekiyor ve bu altyapının büyük bölümü az sayıda şirketin elinde bulunuyor. Bu durum yalnız ekonomik bir yoğunlaşma yaratmıyor. Bilginin nasıl işlendiği, hangi modellerin kullanılabildiği ve hangi verilerin nerede tutulduğu üzerinde de güç yaratıyor. Açık modeller, daha ucuz işlemciler ve sıkıştırma yöntemleri bu yoğunlaşmayı tamamen ortadan kaldırmaz ama başka bir yön açabilir. Daha çok insan kendi modelini çalıştırabilir, daha çok kurum kendi verisini kendi sisteminde tutabilir, yerel topluluklar kendi ihtiyaçlarına uygun araçlar geliştirebilir. Teknoloji yalnız tüketilen bir hizmet olmaktan çıkıp ortaklaşa kullanılabilen bir araca dönüşebilir.

Yapay Zekanın Demokratikleşmesi Ekolojik Bir Meseledir

Yapay zekanın demokratikleşmesini yalnız erişim açısından düşünmemek gerekir. Ekolojiyle de doğrudan bağlantısı var. Bir teknolojiyi demokratikleştirmek, herkesi aynı dev ve enerji yoğun sisteme bağlamak anlamına gelmek zorunda değil. Daha küçük modeller, daha yerel sistemler ve daha düşük donanım ihtiyacı başka bir yol sunuyor. Okullar kendi cihazlarında yapay zeka kullanabilir, gazeteciler verilerini dışarı göndermeden çalışabilir, kooperatifler pahalı bulut hizmetlerine bağımlı olmadan analiz yapabilir, yerel yönetimler kendi bilgi sistemlerini geliştirebilir, afet bölgelerinde bağlantı kesildiğinde cihazlar çalışmaya devam edebilir. Daha küçük modeller daha eski donanımlarda çalışabildiğinde cihazların kullanım ömrü uzayabilir. Bu da elektronik atık, yeni donanım üretimi ve maden talebi açısından ayrıca önem taşır. Böyle bakıldığında sıkıştırma yalnız bilgisayar mühendislerinin uğraştığı teknik bir ayrıntı olmaktan çıkar. Teknolojinin toplumsal ve ekolojik örgütlenmesiyle ilgili bir meseleye dönüşür.

Büyükten Küçüğe, Merkezden Yerele

Telefonlarımız bugün bir zamanlar bütün bir odayı dolduran bilgisayarların yaptığı hesapları yapabiliyor. Yapay zekada da benzer bir yolculuk başlamış durumda. Modeller küçülüyor, sıkıştırma yöntemleri gelişiyor, donanımlar güçleniyor, yerel yapay zeka sistemleri yaygınlaşıyor. Bu süreç devam ederse bugün yalnız büyük veri merkezlerinde çalışan bazı yapay zeka yetenekleri yarın sıradan bilgisayarlarda, daha sonra telefonlarda çalışabilir hale gelecek. Bunun anlamı yalnız daha kullanışlı teknoloji değildir. Daha az merkeziyetçilik, daha fazla mahremiyet, daha düşük donanım ihtiyacı, daha az enerji tüketme, daha fazla yerel kullanım ve daha geniş toplumsal erişim demektir. Yapay zekanın geleceğini belirleyecek konu kadar zeki olacağı olmayacak. Ne kadar enerjiyle çalışacağı, kimin cihazında bulunacağı ve toplumun bu zekanın üzerinde ne kadar söz sahibi olacağı da belirleyici olacak.