Yapay zeka gerçekte ne kadar enerji tüketiyor?

Yapay zekânın enerji kullanımına dair sayılar ortaya koymaya çalışan giderek büyüyen bir araştırma külliyatı var—ancak en popüler modellerin arkasındaki şirketler karbon emisyonları hakkında sessizliğini koruyor.

OpenAI CEO’su Sam Altman geçen hafta uzun bir blog yazısında “İnsanlar sıklıkla, bir ChatGPT sorgusunun ne kadar enerji kullandığını merak eder” diye yazdı . Ortalama bir sorgunun 0,34 watt-saat enerji kullandığını belirten Altman, “Bu, bir fırının biraz fazla çalışmasında ya da yüksek verimli bir ampulün birkaç dakikada tüketeceği kadar enerjiye eşdeğer” dedi.

Haftalık 800 milyon aktif kullanıcıya sahip (ve hızla büyüyen) bir şirket için, bu sorguların toplamda ne kadar enerji harcadığı sorusu giderek daha acil hale geliyor. Ancak uzmanlar, Altman’ın verdiği bu sayının OpenAI’nin bu hesaplamaya nasıl ulaştığı hakkında daha fazla kamuya açık bilgi olmadan pek bir anlam ifade etmediğini söylüyor—örneğin, “ortalama” bir sorgunun ne anlama geldiği, bu ortalamanın görüntü üretimini içerip içermediği ve Altman’ın model eğitimi ya da sunucuların soğutulması gibi ek enerji kullanımını da dâhil edip etmediği gibi.

Bu yüzden, yapay zekâ şirketi Hugging Face’in iklim lideri Sasha Luccioni, Altman’ın verdiği sayıya fazla güvenmiyor ve “Bunu kafasından da uydurmuş olabilir” diyor.

Yapay zekâ hayatımızın her alanına nüfuz ederken, aynı zamanda enerji sistemlerimizi de dönüştürme vaadi taşıyor—ama bunu karbon emisyonlarını artırarak, tam da iklim değişikliğiyle mücadele etmeye çalıştığımız bir anda yapıyor. Şimdi, yapay zekâ kullanımının toplamda ne kadar karbon salımına yol açtığına dair kesin rakamlar ortaya koymaya çalışan yeni ve büyüyen bir araştırma alanı oluşuyor.

Ancak bu çabanın önünde büyük bir engel var: OpenAI gibi büyük oyuncular çevresel etkilerine dair çok az bilgi açıklıyor. Bu hafta hakem değerlendirmesine sunulan ve Luccioni ile üç yazarın ortak kaleme aldığı bir analiz, yapay zekâ modellerinde daha fazla çevresel şeffaflık ihtiyacını ele alıyor. Luccioni’nin yeni analizine göre, OpenRouter isimli büyük dil modelleri (LLM) trafik sıralama platformundan elde edilen veriler, 2025 Mayıs ayında kullanılan LLM’lerin %84’ünün hiçbir çevresel bilgi açıklamadığını gösteriyor. Bu da, tüketicilerin büyük çoğunlukla çevresel etkileri tamamen bilinmeyen modelleri tercih ettiğini gösteriyor.

“Bir araba aldığınızda kaç milde ne kadar yakıt tükettiğini öğrenebiliyorsunuz, ama her gün kullandığımız bu yapay zekâ araçlarında hiçbir verimlilik metriği, emisyon değeri, hiçbir şey yok” diyen Luccioni. “Bu zorunlu değil, düzenlemeye tabi değil. İçinde bulunduğumuz iklim krizi göz önüne alındığında, bu konu tüm düzenleyici kurumların gündeminde en üstte yer almalı.” ifadelerini kullandı.

Bu şeffaflık eksikliği yüzünden, kamuoyu anlamlı olmayan ama doğruymuş gibi kabul edilen tahminlere maruz kalıyor. Örneğin, ortalama bir ChatGPT sorgusunun, ortalama bir Google aramasına göre 10 kat fazla enerji harcadığını duymuş olabilirsiniz. Luccioni ve ekip arkadaşları bu iddianın izini sürdüklerinde, bu bilginin 2023 yılında Alphabet (Google’ın ana şirketi) başkanı John Hennessy tarafından kamuoyuna yapılan bir açıklamaya dayandığını görüyorlar.

Google yöneticisinin başka bir şirkete (OpenAI) ait bir ürün hakkında yaptığı bu türden bir yorum, en iyi ihtimalle zayıf bir referans oluşturur—ama Luccioni’nin analizine göre bu rakam yine de basın ve politika raporlarında tekrar tekrar kullanılmış.

“İnsanlar gelişigüzel bir yorumu alıp onu gerçek bir istatistik gibi sunuyor ve bu da politikaları ve kamuoyunun bakışını şekillendiriyor” diyen Luccioni “Asıl mesele, elimizde gerçek rakamların olmaması. İnsanlar da buldukları basit tahminleri altın standart gibi görüyor ama durum hiç de öyle değil.” şeklinde konuştu.

Perde arkasına daha doğru bir bakış atmanın bir yolu da açık kaynaklı modellerle çalışmak olabilir. OpenAI ve Anthropic gibi bazı teknoloji devleri modellerini gizli tutarken, bazı şirketler modellerinin bazı bölümlerini kamuya açıyor; bu da araştırmacıların emisyonları daha doğru ölçebilmesine imkân tanıyor.

Geçtiğimiz Perşembe günü Frontiers of Communication dergisinde yayımlanan bir çalışma, Meta’nın iki Llama modeli ve üç DeepSeek modeli dâhil olmak üzere 14 açık kaynaklı büyük dil modelini değerlendirdi. Bu çalışma, bazı modellerin diğerlerine göre %50’ye varan oranda daha fazla enerji tükettiğini ortaya koydu. Araştırmacılar, LLM’lere sundukları 1000 örnek sorunun yarısını çoktan seçmeli, kısa yanıtlı; diğer yarısını ise açık uçlu, uzun yanıtlı olarak biçimlendirdi. Akıl yürütme odaklı modellerin, daha kısa yanıtlar veren modellere kıyasla daha fazla “düşünme token’ı” ürettiği—ve dolayısıyla daha fazla enerji tükettiği—gözlemlendi. Bu modellerin karmaşık sorularda daha doğru yanıtlar verdiği de belirtildi.

Münih Uygulamalı Bilimler Üniversitesi’nde doktora öğrencisi ve çalışmanın başyazarı olan Maximilian Dauner, yapay zekâ kullanımının gelecekte daha az enerji tüketen modelleri daha verimli kullanacak şekilde evrilmesini umuyor. Ona göre küçük ve basit sorular, daha düşük karbon salımı yapan modellere yönlendirilerek verimlilik sağlanabilir. Dauner “Basit görevlerde küçük modeller bile gayet iyi sonuçlar verebiliyor ve süreçte büyük miktarda CO2 salımına yol açmıyor” diyor.

Bazı teknoloji şirketleri bunu şimdiden yapıyor. Google ve Microsoft, WIRED’a daha önce yaptıkları açıklamalarda, arama özelliklerinde mümkün olduğunda daha küçük modeller kullandıklarını belirtmişti. Bu, aynı zamanda kullanıcılara daha hızlı yanıt verilmesini de sağlıyor. Ancak genel olarak, model sağlayıcılar kullanıcıları daha az enerji harcayan modellere yönlendirme konusunda pek bir adım atmıyor. MIT İklim ve Sürdürülebilirlik Konsorsiyumu’nun “Bilişim ve İklim Etkisi Araştırma Görevlisi” Noman Bashir, bir modelin ne kadar hızlı yanıt verdiğinin enerji tüketiminde büyük etkisi olduğunu, fakat bu bilginin kullanıcıya sunulmadığını söylüyor.

“Hedef, size bu yanıtı olabildiğince hızlı vererek platformda tutmak” diyen Bashir. “Eğer ChatGPT size beş dakika sonra yanıt vermeye başlarsa, hemen başka bir araca geçersiniz.” dedi.

Ancak gerçek dünyada yapılan sorguların enerji kullanımını hesaplarken göz önünde bulundurulması gereken başka birçok faktör var. Bashir, fiziksel donanımın emisyon hesaplamalarında fark yarattığını vurguluyor. Dauner deneylerini Nvidia A100 GPU üzerinde gerçekleştirmiş, ancak şirketin AI iş yükleri için özel olarak tasarladığı ve gittikçe daha yaygın kullanılan H100 GPU’su çok daha fazla enerji tüketiyor.

Emisyon söz konusu olduğunda fiziksel altyapı da büyük önem taşıyor. Büyük veri merkezleri soğutma sistemleri, aydınlatma ve ağ ekipmanları gibi bileşenlere ihtiyaç duyuyor ve bunların hepsi ek enerji tüketimi anlamına geliyor. Ayrıca bu merkezler, geceleri sorguların azalmasıyla birlikte döngüsel olarak dinlenmeye geçiyor. Enerji ihtiyaçları da veri merkezinin bulunduğu konumda kullanılan enerji kaynaklarına—fosil yakıtlar ağırlıklı mı, yoksa yenilenebilir mi—bağlı olarak değişiyor.

Bashir, veri merkezi ihtiyaçlarını dikkate almayan AI emisyon çalışmalarını şöyle eleştiriyor: “Bu, bir arabayı kaldırıp gaz pedalına basarak tekerleğin ne kadar döndüğüne bakmak gibi olur—ama arabanın gövdesini ve yolcuyu taşımak zorunda olduğunu hesaba katmazsınız.”

Belki de yapay zekanın emisyonlarını tam olarak anlamamız için en kritik nokta şu: Dauner’in çalışmasında kullandığı açık kaynaklı modeller, bugün tüketicilerin kullandığı yapay zekâ modellerinin yalnızca küçük bir kısmını temsil ediyor. Bir modeli eğitmek ve onu güncel tutmak, devasa miktarda enerji tüketiyor—ve bu rakamlar çoğu büyük şirket tarafından gizli tutuluyor. Örneğin, OpenAI CEO’su Altman’ın “ampul kadar enerji” açıklaması, ChatGPT’yi çalıştıran modellerin eğitimi için harcanan enerjiyi kapsıyor mu, belli değil. Daha fazla açıklama yapılmadığı sürece, kamuoyu bu teknolojinin gezegeni nasıl etkilediğine dair en temel verilerden mahrum kalıyor.

Luccioni “Bir sihirli değneğim olsa, dünya genelinde üretime alınan her yapay zekâ sistemi için karbon verilerinin açıklanmasını zorunlu kılardım” şeklinde konuştu.