Mega Modeller Bilgisayar Krizinin Özü Değil

Her yeni AI modeli çıktığında—GPT güncellemeleri, DeepSeek, Gemini—insanlar bu mega modellerin muazzam boyutuna, karmaşıklığına ve giderek artan hesaplama açlığına hayret ediyor. Varsayım, bu modellerin AI devriminin kaynak ihtiyaçlarını tanımladığıdır.

Bu varsayım yanlıştır.

Evet, büyük modeller hesaplamaya aç. Ancak AI altyapısındaki en büyük gerginlik bir avuç mega modelden gelmiyor; her biri belirli uygulamalar için ince ayarlanmış, her biri benzeri görülmemiş bir ölçekte hesaplama tüketen AI modellerinin sektörler genelinde sessizce yayılmasından geliyor.

Hukuk alanında lisans (LL.M) programları arasında gelişen potansiyel kazananın her şeyi aldığı rekabete rağmen, yapay zeka dünyası genel olarak merkezileşmiyor; parçalanıyor. Her işletme yalnızca yapay zeka kullanmakla kalmıyor, aynı zamanda ihtiyaçlarına göre uyarlanmış özel modeller geliştiriyor, özelleştiriyor ve devreye alıyor. İşte bu son durum, bulut sağlayıcılarının, işletmelerin ve hükümetlerin hazır olmadığı bir altyapı talep eğrisi yaratacak.

Bu örüntüyü daha önce gördük. Bulut, BT iş yüklerini birleştirmedi; yayılan bir hibrit ekosistem yarattı. Önce sunucu yayılmasıydı. Sonra VM yayılması. Şimdi? Yapay zeka yayılması. Her hesaplama dalgası basitleşmeye değil, yayılmaya yol açtı. Yapay zeka da farklı değil.

Yapay Zeka Yayılması: Yapay Zekanın Geleceği Neden Bir Milyon Model, Bir Model Değil

Finans, lojistik, siber güvenlik, müşteri hizmetleri, Ar-Ge—her birinin kendi işlevi için optimize edilmiş kendi AI modeli vardır. Kuruluşlar tüm operasyonlarını yönetmesi için tek bir AI modeli eğitmiyor. Binlercesini eğitiyorlar. Bu daha fazla eğitim döngüsü, daha fazla hesaplama, daha fazla depolama talebi ve daha fazla altyapı yayılması anlamına gelir.

Bu teorik değil. Geleneksel olarak teknoloji benimseme konusunda temkinli olan sektörlerde bile, AI yatırımı hızlanıyor. 2024 tarihli bir McKinsey raporu, kuruluşların artık AI'yı ortalama üç işlevde kullandığını ve üretim, tedarik zinciri ve ürün geliştirmenin başı çektiğini buldu (McKinsey).

Sağlık sektörü bunun başlıca örneğidir. Yapay zekayı elektronik sağlık kayıtlarına entegre ederek klinik içgörüleri ortaya çıkaran bir girişim olan Navina, Goldman Sachs'tan C Serisi finansmanında 55 milyon dolar topladı (İş Insider). Enerji sektörü de farklı değil; endüstri liderleri, şebeke ve tesis operasyonlarına yapay zeka optimizasyonu getirmek için Açık Güç Yapay Zeka Konsorsiyumu'nu başlattı (Axios).

Hiç Kimsenin Bahsetmediği Hesaplama Zorluğu

Yapay zeka zaten geleneksel altyapı modellerini bozuyor. Bulutun yapay zeka büyümesini desteklemek için sonsuza kadar ölçeklenebileceği varsayımı tamamen yanlış. Yapay zeka geleneksel iş yükleri gibi ölçeklenmiyor. Talep eğrisi kademeli değil, üstel ve hiper ölçekleyiciler yetişemiyor.

• Güç Kısıtlamaları: Yapay zekaya özgü veri merkezleri artık sadece ağ omurgalarına değil, güç kullanılabilirliğine göre de inşa ediliyor.
• Ağ Darboğazları:Hibrit BT ortamları otomasyon olmadan yönetilemez hale geliyor ve yapay zeka iş yükleri bu durumu daha da kötüleştirecek.
• Ekonomik Baskı:Yapay zeka iş yükleri tek bir ayda milyonlarca veriyi tüketebilir ve bu da finansal belirsizliklere yol açabilir.

Veri merkezleri halihazırda küresel elektrik tüketiminin %1'ini oluşturuyor. İrlanda'da artık ulusal şebekenin %20'sini tüketiyorlar ve bu payın 2030'a kadar önemli ölçüde artması bekleniyor (IEA).

Buna GPU'lar üzerindeki artan baskıyı da ekleyin. Bain & Company yakın zamanda yapay zeka büyümesinin, veri merkezi sınıfı yongalara yönelik patlayıcı talep nedeniyle yarı iletken kıtlığına zemin hazırladığı konusunda uyardı (Bain).

Bu arada, AI'nın sürdürülebilirlik sorunu büyüyor. 2024'te yapılan bir analiz Sürdürülebilir Şehirler ve Toplum Sağlık hizmetlerinde yapay zekanın yaygın olarak benimsenmesinin, hedeflenen verimliliklerle telafi edilmediği takdirde sektörün enerji tüketimini ve karbon emisyonlarını önemli ölçüde artırabileceği konusunda uyarıyor (ScienceDirect).

Yapay Zeka Yayılması Pazardan Daha Büyüktür - Bu Bir Devlet Gücü Meselesi

Yapay zeka yayılmasının kurumsal bir sorun olduğunu düşünüyorsanız, bir kez daha düşünün. Yapay zeka parçalanmasının en önemli itici gücü özel sektör değil, hükümetler ve askeri savunma ajanslarıdır; yapay zekayı hiçbir hiper ölçekleyicinin veya kuruluşun eşleşemeyeceği bir ölçekte kullanırlar.

Yalnızca ABD hükümeti, istihbarat analizi, lojistik ve daha fazlasını kapsayan 700 kurum genelinde 27'den fazla uygulamada yapay zekayı konuşlandırdı (FedTech Dergisi).

Kanada, yerel yapay zeka hesaplama kapasitesini genişletmek için 700 milyon dolara kadar yatırım yapıyor ve egemen veri merkezi altyapısını güçlendirmek için ulusal bir meydan okuma başlatıyor (Yenilik, Bilim ve Ekonomik Kalkınma Kanada).

Ve yapay zeka altyapısı için bir "Apollo programı" çağrısı artıyor; bu da yapay zekanın ticari avantajdan ulusal zorunluluğa yükselişini vurguluyor (MIT Technology Review).

Askeri AI verimli, koordineli veya maliyet açısından optimize edilmiş olmayacak; ulusal güvenlik zorunlulukları, jeopolitik aciliyet ve kapalı, egemen AI sistemlerine duyulan ihtiyaç tarafından yönlendirilecek. İşletmeler AI yayılmasını dizginlese bile, hükümetlere yavaşlamalarını kim söyleyecek?

Çünkü ulusal güvenlik söz konusu olduğunda, elektrik şebekesinin bunu kaldırıp kaldıramayacağını sormak için kimse durmuyor.