Yapay zekâ fiziksel sektörlere girdiğinde ölçü birimi değişiyor
Fosil yakıt üretiminde yapay zekânın dolaylı salınım etkisine ilişkin çözümleme ile inşaat veri standartları için geliştirilen Ishigaki-IDS modeli, aynı teknolojinin fiziksel dünyada farklı sonuç ve kanıt ölçüleriyle karşılandığını gösteriyor.
Yapay Zekâ··Öğle
Üretimi hızlandırmanın iklim hesabı
WIRED'ın aktardığı yeni çözümleme, yapay zekânın petrol ve gaz çıkarımı, rafinaj ve elektrik üretiminde üretkenliği artırmasının küresel enerji kaynaklı salınımı artırabileceğini hesaplıyor. Çalışmayı, Microsoft'un sürdürülebilirlik alanında çalışmış Will Alpine ile Holly Alpine hazırladı. Yazarlar bu etkiyi “olanaklı kılınan salınım” diye adlandırıyor: veri merkezinin kendi elektrik kullanımından doğan salınımın ötesinde, yapay zekânın daha fazla fosil yakıt üretimine katkı vermesiyle oluşan sonuç. Hesap, bu sektörlerde kullanılan yapay zekâ araçlarıyla bildirilen kazanımlara dayanıyor. WIRED'a konuşan ve çalışmada yer almayan enerji araştırmacısı Jon Koomey, makine öğrenmesinin veri merkezi soğutmasını daha verimli kılabildiğini, aynı zamanda fosil yakıt çıkarımını daha ucuz ve daha hızlı hâle getirebildiğini söylüyor. Böylece aynı teknik iyileşme, kullanıldığı sürece göre ters yönlü çevresel sonuçlar doğurabiliyor.[1]
İnşaat bilgisinde dar bir görev
Başka bir fiziksel sektör örneği, yapay zekânın belirli bir veri standardına odaklanan yardımcı kullanımını sunuyor. ONESTRUCTION ile AWS Japan'ın ortak yazısı, Ishigaki-IDS adlı temel modelin Information Delivery Specifications için eğitildiğini anlatıyor. Bu XML tabanlı standart, bir yapı modeline eklenen bilgiyi tanımlıyor ve doğruluyor. Yazıya göre bir IDS dosyası hazırlamak, hem standardın dilbilgisine hem de doğruladığı Industry Foundation Classes modeline hâkim olmayı gerektiriyor. ONESTRUCTION, modelin uzman olmayan uygulayıcıların öznitelik bilgisini gözden geçirip yönetmesine yardımcı olabileceğini söylüyor. Çalışma, Japonya'nın GENIAC programının 3. aşamasında AWS Generative AI Innovation Center danışmanlığıyla yürütülmüş. Kaynak bir satıcı ile müşterisinin hazırladığı mimari örnek incelemesi; dolayısıyla modelin yararına ilişkin sonuçlar şirketlerin kendi anlatımı. Buradaki ölçü, küresel bir salınım hesabı değil, dar bir standardın karmaşıklığını kimlerin yönetebildiği.[2]
Bir teknoloji, iki sonuç hesabı
Bu iki haber aynı uygulamayı ya da aynı ölçüm yöntemini anlatmıyor. WIRED'daki çözümleme, yapay zekânın fosil yakıt zincirindeki üretkenlik artışını iklim etkisi üzerinden değerlendiriyor. ONESTRUCTION ile AWS'nin örneği ise yapı bilgisi modellemesindeki uzmanlık eşiğini ve belge standardını yönetme işini ele alıyor. Ortak nokta, yapay zekânın fiziksel sektörlerde sonuç vermesinin yalnızca modelin hızıyla açıklanamaması. Bir sistem çıkarımı, rafinajı veya elektrik üretimini hızlandırdığında değerlendirme, üretim artışının dış etkilerini de hesaba katmak zorunda kalıyor. Bir sistem belirli bir veri biçimini kullanan uzman olmayan kişiye yardım ettiğinde ise soru, hangi bilginin gözden geçirildiği ve sorumluluğun kimde kaldığı oluyor. Bu tür değerlendirmelerde, teknik aracın hangi kararı kolaylaştırdığı ve kararın sonuçlarının kimleri etkilediği de birlikte izleniyor. Kaynaklar, Ishigaki-IDS'in çevresel etki yarattığını ya da fosil yakıt çözümlemesindeki bulguların inşaata taşınabileceğini söylemiyor. Daha sınırlı çıkarım şu: fiziksel dünyaya bağlanan yapay zekâ için başarı ölçütü, kullanılan sektördeki maliyet ve sorumluluklarla birlikte okunuyor. Bu nedenle aracın değeri, kendi çıktısının yanında işlediği sürecin tamamındaki etkiler üzerinden tartışılıyor. Bu bağ, yatırımın ve uygulamanın kamusal sonucunu daha görünür kılıyor. Bu sonuç güçlü bir ortak ölçü gerektiriyor.[1], [2]
