Yapay Zekanın arkasındaki görünmez maliyet

Geniş dil modellerine (LLM) ya da üretken yapay zeka (Gen. AI) teknolojilerine dayalı araçlar 2024’te de yaygınlaşmalarını sürdürerek ortalama kullanıcı pratiğinde giderek daha fazla yer almaya başladılar. Sadece ChatGPT ya da Midjourney gibi komut/isteme dayalı sistemlerden bahsetmiyorum. Photoshop gibi sektörde baskın uygulamalardan sosyal medya platformlarına, web sitelerinden mobil uygulamalara geniş bir skalada farklı farklı araçlara eklenen çeşitli özelliklerle kullanıcılar ayırdında olsun ya da olmasın LLM’ler ve Gen. AI’ın rutin kullanıcıları haline getiriliyor. Bu sistemlerin kullanıcıların pratiklerine sızması bireysel kullanım ile de sınırlı değil. Şirketler LLM’leri iş akışlarına nasıl entegre edebileceğinin denemelerini yaparken sinema, televizyon, müzik ve medya gibi bazı sektörlerde içerik üretiminde bu sistemleri kullanmayı deneyenlerin sayısı az değil. Bizi dört bir yandan kuşatmaya çalışan AI içerikleri ve araçları tablosunu “Meta’nın, kullanıcıların Facebook ve Instagram’da yapay zeka ile yaratılmış ve kendiliğinden paylaşım yapan karakterler yaratabileceği bir araç yayımlayacağı” haberi ile tamamlayalım.

Halihazırda çok uluslu teknoloji devleri arasında yapay zeka alanına bulaşmamış olan neredeyse yok. Dev yatırım şirketleri de güncel yapay zeka modellerinin arkasında ellerini ovuşturarak sıraya girmiş haldeler. Dört bir koldan mevcut yapay zeka teknolojilerine dayalı bir geleceği bize pazarlamaya çalışıyorlar. Pazarladıkları gelecekte herkes sanatçı, herkes yönetmen, herkes programcı… Mevcut sistemlerin potansiyelleri ve sınırlılıkları ile böyle bir gelecek ne kadar mümkün sorusu kenarda dursun şimdilik. O sorudan daha önce pazarlanmaya çalışılan geleceğin güncel maliyetini konuşmamız gerek.

Mevcut yapay zeka sistemlerini çalıştıran veri merkezleri önce aylar süren eğitim aşamasında ardından da verili her bir girdiye yanıt üretmek için büyük miktarda elektrik ve suya ihtiyaç duyuyor. Modeller büyüyüp karmaşıklaştıkça eğitim aşamasındaki tüketim, kullanıcı sayısı arttıkça da rutin elektrik ve su tüketimi artıyor. Elektrik ihtiyacı hızla ve katlanarak arttığından alanın devleri teker teker “karbon nötr” politikalarından uzaklaşmaya başladı. Bir yandan nükleer santraller yeniden parlatılmaya çalışılırken diğer yandan da kömür santralleri bile makul enerji kaynağı olarak görülmeye başlandı.

Meselenin bir diğer ayağında sistemlerin eğitimi için verileri hazırlayan işçiler duruyor. Güncel sistemlerin eğitiminde büyük miktarda veri kullanılıyor. Söz konusu veriler çoğunlukla ekonomisi zayıf ülkelerde üç kuruşa çalıştırılan binlerce operatör tarafından kullanıma hazır hale getiriliyor. OpenAI’ın şiddet, cinsel taciz ve nefret suçu gibi ihlalleri belirleyebilecek bir yapay zeka içerik moderasyonu sisteminin eğitim verilerini oluşturmak için taşeron üzerinden Kenya’da işçileri saati 2 dolara çalıştırması, söz konusu içeriklerin izleyen işçiler üzerindeki travmatik etkileri nedeni ile en çarpıcı vakalardan biriydi. O zamandan bugüne kimi değişiklikler olsa da veri etiketleme sektörü güncel modellerin veri ihtiyaçları ile birlikte yoksul ülkelerdeki işçilerin sırtından büyümeyi sürdürdü.

Maliyetlere bir de mevcut modellerin çıktılarının Internet’i giderek dev bir çöplüğe dönüştürdüğü gerçeğini eklemek gerek. Gen. AI üretimi görseller ve LLM üretimi metinler yağmur sonrası mantarları gibi hızla her yana yayılıyor. İçeriğin yalan, yanlış ya da yanıltıcı olması dahi bir önem arz etmiyor. Birileri buralardan gelir elde ettiği sürece bu tip içerikler giderek özgün içeriklerin yerini alıyor.

Gerek ekolojik maliyeti, gerek yoksul ülkelere dayalı ağır emek sömürüsü düzeni gerekse de kültürel maliyeti göz önünde bulundurulursa LLM’ler bu tabloyu makul kılabilecek bir şey üretti mi?