Sağlam yapay zeka geliştirmek ve kullanmak, diğer birçok teknolojiden farklı bir anlayış gerektirir. Örneğin, kamu politikaları, yasal çerçeveler, verilere erişim ve yeterli bilgi işlem gücü sağlayan vasıflı bir iş gücü. Bu göstergelerin çoğunu ölçmek ve karşılaştırmak için yaygın olarak kabul edilen metrikler olsa da, ulusal yapay zekanın hesaplama gücünün ölçülmesi yeterince araştırılmamıştır. Kabul edelim: Birçok hükümet, ülkelerinin hangi bilgi işlem kapasitesine sahip olduğunu, yapay zeka planlarını uygulamak için neye ihtiyaç duyduklarını ve hatta IAI’nin geliştirilmesinden ve kullanılmasından tam olarak nasıl yararlanılacağını bilmiyor. Bu, grafik kartı devi ve bugün yapay zeka sistemlerinde lider olan Nivida’nın Dünya Çapında Yapay Zeka Girişimlerinden sorumlu başkan yardımcısı Keith Strier’in başlangıç noktası. Strier, OECD’de yapay zekanın verimli ve akıllı gelişimi için bilgi işlem kapasitesini, dijital ve fiziksel altyapıyı ve becerileri ölçmede hükümetlere nasıl yardımcı olunacağını araştıran bir görev gücüne liderlik ediyor. Birkaç hafta önce “Başlıklı raporlar yayınladılar. Yapay zeka için ulusal bilgi işlem kapasitesi oluşturmaya yönelik bir plan ChatGpt’in küresel başarısıyla daha da güncel hale geldi.
AI neden diğerlerinden farklı bir teknolojidir?
Nvidia yöneticisi, “Ai 70 yaşında bir teknoloji ama üretken yapay zeka sayesinde bugün herkes, girişimciler ve politikacılar dosya açıyor ve ulusal politikaları planlamaya başlıyor”, diyor. Ancak, bu planların bir sınırlaması olduğunu ekliyor: Bunlar, bir ülkenin yapay zeka modellerini oluşturmak, eğitmek ve işletmek için gereken bilgi işlem kapasitesine erişiminin kapsamlı bir değerlendirmesi olmadan geliştirildi. Kısacası ülkeler, bu hedeflere ulaşmak için yeterli bilgi işlem gücüne sahip olup olmadıklarını bilmeden yapay zekanın geliştirilmesinden ve kullanılmasından ekonomik temettüler planlıyorlar.
AI’nın hesaplama gücünü neden ölçüyorsunuz?
“Kendinizi bir sağlık bakanının yerine koymaya çalışın. Sağlık yatırımlarını planlamak için öncelikle ülkenizde kaç tane hastanenin olduğunu, kaç hemşirenin, kaç doktorun olduğunu ve ilaçların ne durumda olduğunu bilmeniz gerekir. Benzer şekilde, hükümetler, politika hedefleriyle ilişkili olarak yapay zeka bilgi işlemine yatırım yapmayı düşünmelidir: başka bir deyişle, yerel yapay zeka bilgi işlem kapasitesini artırmanın farklı yolları vardır ve en esnek yaklaşım, bir ülkenin bağlamına ve ulusal ihtiyaçlara bağlı olacaktır”. bu nedenle, veri merkezlerinin ve aynı zamanda mevcut teknolojilerin bir sayımını yapmak ve bu bilgileri, 2007’de iPhone’larla doğan uygulama ekonomisi kadar devrim niteliğinde olmayı vaat eden bir teknoloji üzerinde daha verimli çalışmak için paylaşmak gerekiyor.
OECD girişimlerinin aşamaları
Rapordan ortaya çıkanlara göre OECD, devlet kurumlarının sahip olduğu ve işlettiği veri merkezleri veya süper bilgisayarlardaki bilgi işlem düzeylerini belirlemeye başlayacak. Oradan, görev gücü devlete ait ulusal yapay zeka bulutlarını değerlendirecek. Strier’e göre yaklaşık 80 ülkenin ulusal yapay zeka stratejisi gibi bir şeye sahip olduğu, ancak şu anda Afrika ve Latin Amerika’dan başka politikalar da geliyor. Görev gücü, bu sonbahara kadar ilk resmi geliştirmeyi ve ardından verileri toplamaya başlamayı planlıyor. Amaç, tüm ülkeler için ortak bir ölçü önermek ve BT kaynaklarının verimli kullanımı hakkında bilgi sunmaktır. Örneğin, bilgi işlem kaynaklarının dağıtılması, çevre için daha iyi olabilir ve tek bir dev süper bilgisayar oluşturmaktan daha fazla kişiye bilgi işlem gücüne erişim sağlayabilir.
AI’yı düzenleme ihtiyacı
Ancak, bu sadece bir verimlilik meselesi değildir. Yapay zeka, Avrupa’nın defalarca vurguladığı gibi, düzenlenmesi gereken bir teknolojidir. Bu algoritmaların nasıl karar verdiğini ve toplumumuz üzerindeki etkisinin ne olduğunu anlamak için şeffaflığa ihtiyacımız var. “Düşünülmesi gereken etik, teknolojik ve ekonomik yönler var – diye itiraf ediyor yönetici-. AI, diğerleri gibi bir teknoloji değildir. Ai’yi eğitmek enerji harcar. Çok fazla enerji olduğu inkar edilemez – Nvidia’nın başkan yardımcısı Keith Strier’in altını çiziyor – ancak daha genel resme bakarsak, ekolojik ayak izi açısından BT ve bilgisayarların küresel CO2 emisyonlarının yalnızca %8’i değerinde olduğunu fark ederiz. ” . Bu yüzde artmaya mahkumdur, çünkü yapay zekanın benimsenmesi çok büyük ve piyasalara çapraz olma riski taşır. «Bu doğru, ancak aynı zamanda makine öğrenimi algoritmaları fiziksel dünyayı simüle etmemize, örneğin şehirlerimizi daha sürdürülebilir bir şekilde tasarlamak ve daha verimli üretmek için çalışmamıza yardımcı olabilir. Ayrıca veri merkezi mimarilerindeki ilerlemelerin BT CO2 emisyonlarını ve enerji tüketimini azaltacağına inanıyorum. “Ancak burada tekrar ediyorum, bilgi ve teknolojileri paylaşmamız gerekiyor, kamu ve özel sektör arasında, teknolojilere sahip çok uluslu şirketler ile yasa koyucu arasında işbirliğine ihtiyacımız var”.
