Yapay Zekânın Çevresel Sorunların Çözümüne Katkısı: Somut Örnekler

Yapay zekânın çevresel sorunların çözümüne katkısı, büyük veri içindeki örüntüleri insandan çok daha hızlı bulabilmesinden gelir. Bu yetenek bugün hava tahmininde, trafik ışıklarının ayarlanmasında, yasa dışı ağaç kesiminin tespitinde, okyanus ve orman izlemede ve tarımda su ile gübrenin azaltılmasında kullanılıyor. Ama aynı teknoloji veri merkezlerinde ciddi elektrik ve su tüketiyor; net etkisi, nerede ve nasıl kullanıldığına bağlı.

Aşağıda doğrulanabilir örnek projeleri, bu projelerin hangi yapay zekâ yöntemine dayandığını ve sınırlarını anlatıyoruz. Ardından madalyonun öbür yüzüne, yani yapay zekânın kendi çevresel yüküne bakıyor ve okurun bu tabloyu nasıl tartabileceğini tartışıyoruz.

Yapay zekâ çevre sorunlarında neden işe yarıyor?

Yapay zekâ, çevre sorunlarında elle incelenemeyecek kadar büyük veriyi anlamlı hâle getirdiği için işe yarıyor. Uydu görüntüleri, sensör ölçümleri, hava istasyonu kayıtları ve ses kayıtları her gün terabaytlarca birikir. Bir insan ekibi bunun küçük bir kısmına bakabilir; bir makine öğrenmesi modeli ise tamamını tarayıp dikkat edilmesi gereken noktaları işaretleyebilir.

Bu katkının üç temel biçimi var. Birincisi ölçmek ve izlemek: ormanın nerede azaldığını, gemilerin nerede avlandığını görmek. İkincisi tahmin etmek: fırtınayı, kuraklığı ya da elektrik talebini önceden kestirmek. Üçüncüsü optimize etmek: aynı işi daha az enerji, su veya yakıtla yapmak.

Katkı türü	Ne yapar	Kullanılan yöntem
İzleme	Orman kaybını, kirliliği, avcılığı tespit eder	Bilgisayarlı görü, ses sınıflandırma
Tahmin	Hava, sel, kuraklık ve talebi önceden kestirir	Zaman serisi tahmini, derin öğrenme
Optimizasyon	Enerji, yakıt, su ve gübre kullanımını azaltır	Pekiştirmeli öğrenme, matematiksel optimizasyon

Hava tahmini ve aşırı hava olayları

Yapay zekâ, hava tahminlerini daha hızlı ve bazı durumlarda daha isabetli hâle getiriyor. Bunun bilinen örneklerinden biri, Google DeepMind'ın Kasım 2023'te duyurduğu GraphCast modeli. DeepMind'ın açıklamasına göre model, yaklaşık 40 yıllık geçmiş hava verisiyle eğitildi ve 10 günlük küresel bir tahmini tek bir makinede bir dakikadan kısa sürede üretebiliyor.

Bunun çevreyle ilgisi şu: Kasırga, sel ve sıcak hava dalgası gibi olaylar iklim değişikliğiyle birlikte daha çok konuşulur hâle geldi. Bu olayların rotasını ve şiddetini birkaç saat ya da gün önce bilmek, tahliye, tarım ve enerji planlaması için zaman kazandırır. Geleneksel sayısal modeller büyük süper bilgisayarlarda saatlerce çalışır; yapay zekâ modelleri ise bu hesaplamanın bir kısmını çok daha az enerjiyle yapabilir.

Burada bir sınır da var. Bu modeller, geleneksel yöntemlerle üretilmiş geçmiş veriden öğrenir; yani klasik meteorolojinin yerine geçmez, onun üzerine kurulur. Meteoroloji kurumları da bu araçları mevcut sistemlerin yanında deniyor.

Trafik, ulaşım ve enerji verimliliği

Yapay zekânın ulaşımdaki çevresel katkısı, en çok gereksiz dur-kalkın ve boş seferlerin azaltılmasıyla ortaya çıkıyor. Kavşaklarda bekleyip yeniden hızlanan araçlar fazladan yakıt yakar. Google'ın Project Green Light adlı projesi, harita uygulamasından gelen anonim sürüş eğilimlerini kullanarak belediyelere trafik ışıklarının zamanlamasıyla ilgili öneriler sunuyor. Şirket bu önerilerin kavşaklardaki duruşları ve emisyonu azaltabildiğini açıklıyor; bunlar şirketin kendi ölçümleri, bağımsız doğrulamaları sınırlı.

Benzer mantık, kargo şirketlerinin rota planlamasında, elektrik şebekelerinde talep tahmininde ve binaların ısıtma ile soğutma sistemlerinde de kullanılıyor. Bir binanın hava durumu tahminine ve doluluk bilgisine göre ısıtmayı önceden ayarlaması, enerji tüketimini düşürebilir. Ulaşım tarafındaki diğer örnekleri yapay zekânın ulaşıma etkisi yazısında ayrıca ele aldık.

Basit bir hesapla etkiyi düşünmek

Aşağıdaki rakamlar varsayımdır. Bir şehirde günde 20.000 aracın geçtiği bir kavşak olsun ve ışık ayarı sayesinde her araç ortalama bir duruştan kurtulsun. Tek bir duruş-kalkış birkaç mililitre yakıt fark yaratır; tek araç için önemsiz görünür.

Ama 20.000 araç, 365 gün ve yüzlerce kavşakla çarpıldığında şehir ölçeğinde fark edilir bir yakıt ve emisyon tasarrufu ortaya çıkabilir. Yapay zekâ projelerinin çevresel değeri genellikle böyle küçük kazançların çok büyük ölçekte tekrarlanmasından gelir.

Ormanlar, okyanuslar ve yaban hayatı

Yapay zekâ, doğanın insanın sürekli izleyemeyeceği yerlerinde gözcülük yapıyor. Rainforest Connection adlı kuruluş, yağmur ormanlarındaki ağaçlara güneş enerjili akustik sensörler yerleştiriyor. Bu sensörler ormanın sesini dinliyor, yapay zekâ modeli motorlu testere, kamyon ya da silah sesini ayırt ettiğinde korucu ekiplerine uyarı gönderiliyor.

Okyanus tarafında Global Fishing Watch, gemilerin konum sinyallerini ve uydu verisini makine öğrenmesiyle işleyerek dünya genelindeki balıkçılık faaliyetini haritalıyor. Bu sayede korunan alanlarda avlanan ya da konum sinyalini kapatan gemiler daha kolay fark edilebiliyor. Uydu görüntülerinden orman kaybını, buzul erimesini ve plastik birikimini izleyen başka projeler de var.

Bu projelerin ortak noktası, yapay zekânın kararı vermemesi; yalnız insan ekiplerin nereye bakması gerektiğini göstermesi. Uyarının işe yaraması için sahada müdahale edecek korucu, denetçi ya da yetkili kurumun bulunması gerekiyor.

Tarım, su ve atık yönetimi

Tarımda yapay zekâ, suyu ve gübreyi yalnız ihtiyaç olan yere vermeye yardım ediyor. Hassas tarım uygulamalarında toprak nem sensörleri, drone görüntüleri ve hava tahmini birlikte değerlendirilir. Model, tarlanın hangi bölümünün susuz kaldığını ya da hangi bitkide hastalık başladığını işaretler; çiftçi de bütün tarlayı değil, yalnız o bölgeyi sular veya ilaçlar.

Örnek bir senaryo düşünelim. 50 dönümlük bir sebze tarlasında sulama eskiden sabah ve akşam tüm alana aynı süreyle yapılıyor olsun. Sensör verisi, tarlanın gölgede kalan üçte birlik kısmının daha az suya ihtiyaç duyduğunu gösterirse bu bölgede sulama süresi kısaltılabilir. Su faturasında ve pompanın elektrik tüketiminde düşüş, kurulum maliyetiyle karşılaştırılarak değerlendirilmelidir; küçük işletmeler için bu sistemler her zaman kârlı olmayabilir.

Atık tarafında, geri dönüşüm tesislerinde kamerayla çalışan ayırma sistemleri plastik, metal ve kâğıdı birbirinden ayırmak için kullanılıyor. Ayrımın daha temiz yapılması, geri dönüştürülen malzemenin değerini artırıyor. Şehirlerde nesnelerin interneti cihazlarıyla doluluk oranı ölçülen çöp konteynerleri, toplama rotalarını kısaltmak için de kullanılabiliyor.

Türkiye için hangi alanlar anlamlı olabilir?

Türkiye'nin koşullarında orman yangını, kuraklık ve tarımsal su kullanımı, yapay zekâ destekli izlemenin en anlamlı olabileceği alanlar arasında. Yaz aylarında geniş orman alanlarını gözetleyen kameraların görüntüsünü duman belirtisi için tarayan sistemler, dünyanın farklı yerlerinde deneniyor. Benzer bir yaklaşım, gözetleme kulesindeki personelin işini kolaylaştıran bir erken uyarı katmanı olarak düşünülebilir.

Tarımda suyun büyük kısmı sulamaya gidiyor ve birçok bölgede yeraltı suyu seviyesi tartışma konusu. Sensörle ölçülen toprak nemine göre sulama yapmak, küçük ölçekte bile su ve pompa elektriği tasarrufu sağlayabilir. Tarımdan gelir elde etmeyi düşünenler için bu konu tarımdan para kazanma yazısındaki maliyet hesaplarıyla birlikte değerlendirilebilir.

Enerji tarafında güneş ve rüzgâr üretimi hava koşullarına bağlı olduğu için dalgalıdır. Üretimin birkaç saat ve gün önceden tahmin edilmesi, şebekenin dengelenmesini kolaylaştırır. Bu tür tahmin modelleri, yenilenebilir kaynakların payı arttıkça daha fazla önem kazanıyor.

Yapay zekânın çevresel sorunları neler?

Yapay zekânın kendisi de çevresel bir yük oluşturuyor: büyük modellerin eğitimi ve her gün milyonlarca kişinin kullanımı, veri merkezi tesislerinde yüksek miktarda elektrik tüketiyor. Bu elektriğin kaynağı kömür ya da doğal gazsa, katkı sağladığı alanlardaki kazancın bir kısmı başka yerde emisyon olarak geri dönüyor.

İkinci yük su. Veri merkezleri sunucuları soğutmak için su kullanıyor ve kurak bölgelerde bu, yerel kaynaklar üzerinde baskı yaratabiliyor. Bu konuyu rakamlarla yapay zekâ ne kadar su harcıyor yazısında ayrıntılı inceledik. Üçüncüsü donanım: çipler için çıkarılan madenler ve kısa sürede eskiyen sunucuların yarattığı elektronik atık.

Katkı sağladığı alan	Yarattığı yük
Hava ve afet tahmini	Eğitim ve çalıştırma için elektrik tüketimi
Trafik ve enerji verimliliği	Veri merkezlerinde soğutma suyu
Orman ve okyanus izleme	Çip üretiminde maden ve kimyasal kullanımı
Tarımda su ve gübre tasarrufu	Kısa ömürlü donanımın yarattığı elektronik atık

Bir de kullanım amacı meselesi var. Aynı yöntemler fosil yakıt arama ve üretimini verimli hâle getirmek için de kullanılabiliyor. Yani yapay zekâ kendiliğinden çevreci değil; neye uygulandığı belirleyici.

Küresel ısınmaya etkisi: kazanç tüketimden fazla mı?

Yapay zekânın küresel ısınmaya net etkisi, kazandırdığı enerji ve emisyonun, tükettiği enerjiden fazla olup olmamasına bağlı. Bu dengeyi bugün kesin bir rakamla ifade etmek zor; kullanım hızla artıyor ve şirketlerin açıkladığı veriler birbiriyle her zaman karşılaştırılabilir değil.

Dengeyi iyileştiren birkaç etken öne çıkıyor. Veri merkezlerinin yenilenebilir enerjiyle çalışması, daha verimli çipler, belirli işler için daha küçük modellerin kullanılması ve yapay zekânın gerçekten fark yaratacağı alanlara yönlendirilmesi bunların başında geliyor. Okur olarak bir yapay zekâ hizmetinin çevresel etkisini merak ediyorsanız şirketin yıllık sürdürülebilirlik raporuna ve enerji kaynağına dair açıklamalarına bakabilirsiniz.

Faydaları ve zararları daha geniş bir çerçevede tartmak isterseniz yapay zekânın faydaları ve zararları yazısı iyi bir devam okumasıdır.

Gelecekte küresel ısınma ve yapay zekâ: gerçekçi beklenti

Gelecekte küresel ısınmanın seyri, yapay zekâdan çok enerji, ulaşım ve sanayideki tercihlerle belirlenecek. Isınmanın ana kaynağı fosil yakıtlardan gelen emisyon; bunu azaltmanın yolu temiz enerjiye geçiş, verimlilik ve tüketim alışkanlıklarındaki değişim. Yapay zekâ bu dönüşümü planlamaya, ölçmeye ve hızlandırmaya yardım edebilir, ama onun yerine geçemez.

Önümüzdeki yıllarda bazı alanlarda katkının artması olası görünüyor: şebekelerde güneş ve rüzgâr üretiminin tahmini, yeni pil ve malzemelerin keşfinde simülasyon, uydudan emisyon ölçümü ve iklim risklerinin şehir ölçeğinde modellenmesi. Bunlar kesin öngörü değil, bugün araştırması süren alanlara dayanan bir değerlendirme. Teknolojinin genel yönüyle ilgili görüşleri gelecekte teknoloji nasıl olacak yazısında topladık.

Bu konuyu ödev ya da proje için araştırıyorsanız

Konuyu bir ödev, sunum ya da proje için çalışıyorsanız tek bir örneği derinlemesine incelemek, on örneği yüzeysel saymaktan daha güçlü bir sonuç verir. Bu yazıdaki projelerden birini seçin, kurumun kendi sitesinden nasıl çalıştığını okuyun ve sonra aynı konuda bağımsız bir haber ya da akademik değerlendirme arayın.

Sunumunuzda katkıyı ve yükü yan yana koyan bir tablo kullanmak, konuyu tek taraflı anlatmaktan kurtarır. Bir yapay zekâ projesinin "çevreci" olduğunu iddia eden bir kaynakla karşılaştığınızda da iki soru sorun: Kazanılan enerji ya da emisyon kim tarafından ölçüldü ve sistemin kendi enerji tüketimi hesaba katıldı mı?