Nvidia’nın hisse değerinin oynaklığı ile yapay zekâ arasında bir ilişki kurmak mümkün ama işin analitiğini yapmak için daha fazla veriye bakmakta yarar var. Yapay zekânın Nvidia’nın chipleri dışındaki maliyetleri ve yapay zekâ şirketlerine yapılan yatırımlar zihnimizi açabilir.

Nvidia’nın hisse değeri, 28 Ağustos’ta ikinci çeyrek finansal sonuçlarını açıklamasının ardından önce yüzde 2,1 ve 29 Ağustos sabahı da yüzde 4 geriliyor. Önceki üç çeyrekte yüzde 200’lük ciro büyümesi sergileyen şirketle ilgili beklentiler o kadar büyümüştü ki, beklentilerin üzerinde gerçekleşen yüzde 100’ün üzerindeki büyüme bile şirketin değerini yerinde tutmak için yeterli olmadı. Değişimin yönünü önümüzdeki günlerde göreceğiz ama Nvidia’nın büyümesinin ebediyen sürmeyeceği beklentisinin oluşmasının bu etkisi, yapay zekânın kendisinin maliyetlerinin endişe yaratması ile yapay zekâya ilgiyi azaltacak bir etkiyi de ortaya çıkarabilir.

Bir yapay zekâ büyük dil modelinin eğitilmesi için gereken on binlerce Nvidia GPU chiplerinin tanesinin maliyetinin 30 bin dolar olduğu düşünüldüğünde önemli yapay zekânın maliyeti konusunda bir fikir sahibi olunabiliyor. Ya da böyle düşünülebiliyor. Ancak bugün için yüz milyonlarca dolarlar düzeyinde olan bu maliyetin, birkaç yıl içinde milyarlarca dolar düzeyine ulaşması bekleniyor. Bu bambaşka bir dünyanın ortaya çıkması anlamına gelecek.

Ancak donanım maliyetlerinin ötesine geçen bir başka maliyet bu projeksiyonlara dahil olmaya başlıyor ve bu maliyetin yükselmesi bu yeni dünyada yaşamanın normlarını daha zorlu hale getirecek. Yapay zekâ modellerini eğiten şirketlerin şimdilik çok bahsedilmeyen veri etiketleme maliyetleri, geleceğin ağır maliyeti hale gelecek. Bu, var olan modelleri belirli özel işlere uygun hale getirmek için ince ayar yapan şirketlerin de üzerindeki bir maliyet. Daha önemlisi, bu maliyet müstahsil yapay zekâ (Generative AI-GenAI) ile bağlantılı olarak daha da etkili bir hale gelecek çünkü GenAI modellerinin veri ile eğitilmesi sırasında kalıpların fark edilmesi ve yapay zekânın kullanacağı biçime dönüştürülmesi için etiketlenmesi gerekiyor.

Örneğin, otonom araçlarda kullanılan yapay zekâ modellerinin eğitilmesinde kullanılan veri etiketlemede, kameralardan elde edilen görüntülerin üzerinde yayalar, trafik işaretleri, yoldaki araçlar ve trafik ışıkları gibi öğeler etiketleniyordu. Bu, o kadar emek yoğun bir işti ki, bu işin maliyetini düşürmek için emek maliyetinin daha düşük olduğu ülkelerden dış kaynak kullanılması söz konusu oluyordu. İnsanların nitelikle ilgili geri besleme sağlayarak modelin başarımını puanlamaya yönelik model geliştirme süreçleri, emek kaynaklı maliyetleri daha yukarı çekerken, müşteri bilgileri ve şirketlerin kendi içlerinde tuttuğu özel bilgileri de maliyetleri yukarı çekiyor.

Bizim şimdiye kadar farkında olmadığımız bu maliyetler, yapay zekâ dünyasına girecek ya da bu dünya ile ilgili karar verecek olanların bilmesi ve anlaması gereken unsurlar.

Türkiye de bu dinamiklerin farkında olmalı

KPMG Türkiye ve 212'nin Türkiye Startup Yatırımları raporu, Türkiye’de yapay zekâ şirketlerine yönelik ilgiyi ortaya koyuyor. 2024’ün ikinci çeyreğinde, fintech sektörü yedi işlemle en fazla sayıda işlemin gerçekleştiği dikey olurken onu sırasıyla altı işlemle yapay zekâ ve beş işlemle servis olarak yazılım (SaaS) takip ediyor. SaaS modeli ile sunulan yazılımların yapay zekânın gelecekteki kullanımı için sağladığı zemin yapay zekâyı daha yukarıda görmemiz gerektiğine işaret ediyor. 212 Kurucu Ortağı Ali........

© Ekonomim