İnternette Kaç Litre Su Harcıyorsunuz

[Yapma Kafa]

1. Normal Google araması*
   Bağımsız araştırmalara göre geleneksel bir Google araması yaklaşık 0.6 ml su kullanıyor.

2. AI sorguları - ChatGPT, Gemini, Claude vs.
   Burada işler değişiyor çünkü su 2 yerden harcanıyor:

3. Veri merkezinin soğutulması - "doğrudan su"

4. Elektrik santrallerinin soğutulması - "dolaylı su"

Şirketlerin kendi açıkladığı rakamlar - sadece doğrudan soğutma:

• Google Gemini: medyan 1 metin sorgusu = 0.26 ml su ~ 5 damla

• OpenAI / ChatGPT: ~0.32 ml

Bağımsız araştırmalar - doğrudan + dolaylı toplam:

• GPT-4o kısa sorgu: ~1.2 ml
• Ortalama ChatGPT sorgusu: ~5.2 ml
• Genel tahmin: basit metin ~10 ml, uzun paragraf ~20-25 ml
• AI görsel üretimi: ~50 ml+ 1e9efe165152

yani sorgu başı ∼10-50ml

Neden bu kadar fark var?

• Sadece veri merkezi mi sayılıyor, elektrik santrali de mi? Google 0.26ml derken sadece kendi soğutmasını sayıyor

• Model ne kadar büyük? GPT-5 ∼25ml, GPT-4o ∼2.3ml

• Sorgu ne kadar uzun? 3 kelimelik soru ile 2000 kelimelik rapor aynı değil

Karşılaştırma için

• TikTok'ta 1 dakika = 270 ml su
• 1 saat sosyal medya = 430 ml su

Yani tek bir Google araması 5 damla, basit bir ChatGPT sorusu 1 çay kaşığı, uzun AI cevabı 1 yudum su civarı.

Ortalama hesabı siz yapın günlük 20 milyar sorgu × 15 ml su (0.015lt)

En az Günlük 250 bin ton tatlı su. Bunlar sadece veri merkezlerinin soğutma suyu ölçüleri. Harcanan elektrik için tüketilen suyu bilmiyoruz.

[Sputnik]

Yapay zekanın enerji verimliliği son aylarda çok artmış.

Evet, yapay zekanın tek bir işlem veya görev başına düşen enerji ve algoritma verimliliği son yıllarda muazzam bir artış gösterdi. Uluslararası Enerji Ajansı (IEA) verilerine göre, donanım ve yazılım alanındaki teknolojik sıçramalar sayesinde yapay zeka görevlerinin işlem başına harcadığı elektrik miktarı her yıl katlanarak azalmaktadır. [1, 2]

Ancak burada kritik bir tezat bulunmaktadır: Bireysel işlemler çok daha verimli hale gelse de, tüm dünyada yapay zeka kullanım hacmi geometrik olarak büyüdüğü için küresel veri merkezlerinin toplam elektrik tüketimi hızla artmaya devam etmektedir. [1, 3]

Son yıllarda yaşanan verimlilik artışının arkasındaki temel dinamikler şunlardır:

1. Donanım ve İşlemci Teknolojilerindeki Sıçrama

• Watt Başına Performans: Yeni nesil yapay zeka çipleri ve mimarileri, harcanan enerji birimi başına çok daha yüksek işlem gücü sunmaktadır. [4]

• Çip Üreticilerinin Başarısı: Örneğin çip üreticisi AMD, 2024 ile 2026 yılları arasında yapay zeka sistemlerinin enerji verimliliğini tam 4 kat artırdığını duyurmuştur. [4]

• Gelişmiş Soğutma Altyapıları: Veri merkezlerinde geleneksel klimalar yerine yapay zeka kontrollü sıvı soğutma sistemlerine geçilmesi, altyapı enerji israfını %15'ten fazla azaltmıştır. [5, 6]

2. Yazılım ve Algoritma Optimizasyonları

• Model Küçültme (Dinamik Optimizasyon): Yapay zeka modelleri artık "quantization" (nicemleme) ve "pruning" (budama) gibi yöntemlerle, doğruluk kaybı yaşamadan çok daha küçük bilgi işlem kaynaklarıyla çalışabilmektedir.

• Maliyetlerde Büyük Düşüş: Son dönemde geliştirilen açık kaynaklı ve gelişmiş modeller (Örn: DeepSeek mimarileri), optimizasyon yetenekleri sayesinde yapay zeka çıkarım (inference) maliyetlerini ve enerji harcamalarını %75 ila %90 oranında düşürmeyi başarmıştır. [6, 7]

• Sorgu Başına Düşen Enerji: Günümüzde basit bir metin tabanlı yapay zeka sorgusu, evinizdeki bir televizyonun aynı süre boyunca açık kalmasından daha az elektrik tüketmektedir. [1]

Gelecek Projeksiyonu ve Zorluklar

Bireysel verimlilikteki bu hızlı iyileşmeye rağmen, video üretimi, otonom yapay zeka ajanları ve karmaşık akıl yürütme (reasoning) modelleri devreye girdikçe veri merkezlerinin küresel elektrik talebi büyümektedir. Sektörün 2030 yılı hedefi, watt başına düşen işlem kapasitesini 20 katına çıkararak bu enerji açığını tamamen kapatmaktır. [1, 3, 4]

Yapay zekanın bu verimlilik gelişmeleriyle ilgili olarak:

• Donanım üreticilerinin (Nvidia, AMD vb.) yeni çip teknolojilerini mi detaylandırmak istersiniz?

• Yapay zeka modellerinin yazılımsal olarak nasıl daha az enerji tükettiğini (kod ve model optimizasyonu) mi inceleyelim?

[Yapma Kafa]

@Sputnik said:

Yapay zekanın enerji verimliliği son aylarda çok artmış.

En yüksek su tüketimini öğrenme eğitim aşamasında harcıyorlar. 10 yıldır dünyanın tüm dillerini bilgilerini öğrendiler gibi.

Benim verdiğim örnek öğrenme aşamasını geçmiş sistemin tükettiği su günlük ortalama 250 bin ton.

Büyük olasılıkla yapay zeka öğrenimini tamamlayınca çoğu uygulamadan çekilecek. Çünkü başka konuda dediğim gibi yapay zeka boş vakti olan insanların eğlencesi amacıyla çıkarılmadı.

[Sputnik]

Bunu Chatgpt yazdı. Ne kadar doğrudur, kontrol etmedim.

Ne anlama geliyor?

Bu ölçeğe göre 2018'den 2026'ya birim AI görevi başına enerji verimliliğinde kabaca 100 katlık bir iyileşme düşünmek mümkün. Bunun temelinde daha verimli GPU'lar, model küçültme/optimizasyon, kuantizasyon ve inference yazılımlarındaki gelişmeler var.

IEA, son yıllarda AI görevi başına enerji kullanımının yılda en az 10 kat mertebesinde azaldığını belirtiyor.

Ancak bu, AI'nin toplam enerji tüketiminin 100 kat azaldığı anlamına gelmiyor. Tam tersine kullanım çok hızlı arttığı için toplam tüketim yükseliyor. Ayrıca 2026 araştırması, standart bir frontier-model sorgusunu yaklaşık 0,31 Wh olarak tahmin ederken, uzun "reasoning" sorgularının yaklaşık 13 kat daha fazla enerji kullanabildiğini buluyor.

Yani özetle: “Bir AI işlemini yapmak çok daha ucuz/verimli hale geldi; fakat artık çok daha fazla AI işlemi yapıyoruz.”