Yapay zekâ sektöründe yaygın bir varsayım, büyümenin yakında üst seviye GPU’ların küresel kıtlığı nedeniyle sınırlanacağı yönünde.
Ancak yapay zekâ geliştirmesinin bir sonraki aşamasını şekillendiren kısıt, mutlak kıtlıktan ziyade yapısal verimsizlik olabilir.
Render Network’ten Trevor Harries-Jones’a göre, dünya genelindeki hesaplama kapasitesinin büyük kısmı hiç kullanılmıyor; bu da ona göre arz kısıtlarından daha önemli bir kopukluk.
Yanlış Anlaşılan GPU Kıtlığı
“Dünyadaki GPU’ların yüzde kırkı atıl durumda,” diye anlatıyor Yellow.com’a, Solana’nın Breakpoint etkinliğinin kulislerinde verdiği bir röportajda. “İnsanlar bir kıtlık olduğunu sanıyor ama aslında render ve yapay zekâ işleri için yeterince güçlü büyük bir GPU fazlası var.”
Harries-Jones, Nvidia’nın H100’ü gibi eğitim sınıfı yongalara yönelik talep yoğun kalsa da, eğitimin gerçek dünyadaki yapay zekâ iş yüklerinin yalnızca küçük bir bölümünü temsil ettiğini savunuyor.
“Eğitim, yapay zekâ kullanımının aslında çok küçük bir yüzdesi,” diyor. “Çıkarım yüzde 80’lik kısmı oluşturuyor.”
Onun işaret ettiği bu dengesizlik, beklenenden çok daha büyük bir küresel iş yükünü tüketici donanımlarının, alt seviye GPU’ların ve LPU, TPU, ASIC gibi yeni işlemci sınıflarının üstlenebilmesi için bir kapı aralıyor.
Vurguladığı ikinci değişim ise, geleneksel 3D iş akışlarının ortaya çıkan yapay zekâ-yerel varlık formatlarıyla yakınsaması.
Yaratıcılar Yapay Zekâyı Sinematik Seviyedeki Hatlara İtiyor
Düzleştirilmiş 2D kareler üretmek yerine alttaki 3D yapıyı koruyan Gaussian splatting gibi teknikler ve world model’lerin ortaya çıkışı, yapay zekâ sistemlerini sinematik prodüksiyon hattına giderek daha çok yaklaştırıyor.
Bu gelişmeler önemli; çünkü yapay zekâ çıktılarının, yalnızca bağımsız ve oyuncak formatlar olarak kalmak yerine mevcut profesyonel araç zincirlerine entegre biçimde kullanılabilmesini sağlıyorlar.
Model boyutu hâlâ bir zorluk; ancak Harries-Jones, quantization ve model sıkıştırmanın açık ağırlıklı sistemleri tüketici cihazlarında rahatça çalışacak kadar küçültmeye devam etmesini bekliyor.
Daha küçük modellerin, hiperscale kümeler yerine dağıtık RAM ve bant genişliği üzerine kurulu merkeziyetsiz ağlar için kritik olduğuna inanıyor.
Also Read: Data Shows Bitcoin Enters 'Cost-Basis Cycle' Era As ETFs Redefine Market Structure
Birçok kişi model karmaşıklığındaki artışın maliyetleri yükselteceğini beklerken, o bunun tersine bir dinamiğin ağır basacağı görüşünde.
Ölçekten çok verimliliği önceleyen son Çinli model girişimleri gibi eğitim alanındaki atılımlar, kullanımlar hızla artarken yapay zekânın daha da ucuzlayacağı bir geleceğe işaret ediyor.
“Maliyet azaldıkça,” diyor, “giderek daha fazla kullanım senaryosu ortaya çıktığını göreceksiniz.”
Harries-Jones, hesaplama kıtlığı yerine Jevons paradoksuna benzer bir döngü bekliyor: düşen maliyetler daha fazla talep yaratıyor, artan talep ise daha da verimli sistemleri teşvik ediyor.
Ayrıca, cihaz üzerinde, yerel ağda ve merkezî bulutta çalışan iş yüklerinin karışımından oluşan hibrit hesaplamanın sektörün bir sonraki aşamasını tanımlayacağını düşünüyor.
Apple’ın dağıtık zekâ modeline benzer biçimde, farklı ortamlar; gecikme, mahremiyet, hassasiyet ve ölçeğe bağlı olarak farklı görevleri üstlenecek.
Görev açısından kritik iş yükleri yine uyumlu veri merkezleri gerektirecek, ancak hassas olmayan ya da toplu işler giderek daha fazla merkeziyetsiz ağlarda çalışabilecek. Şifrelemedeki ilerlemeler, zamanla bu sınırı daha da genişletebilir.
3D-Öncelikli İçerik Dalgası Geliyor
Daha uzun vadede, yapay zekâ destekli çok daha geniş bir dönüşüm öngörüyor: 3D’nin ana akımlaşması.
Harries-Jones, tüketiciye dönük yapay zekânın bir sonraki çağının metin ya da düz görüntüler yerine sürükleyici, 3D-yerel içerik etrafında şekilleneceğini düşünüyor.
“Eskisinden çok daha fazla 3D içerik tüketeceğiz,” diyor; bunu hem sürükleyici donanımlardan gelen ilk sinyallere hem de 3D-yapay zekâ araçlarının hızlı evrimine dayandırıyor.
Yalnızca niş uzmanların erişebildiği, son derece teknik iş akışlarıyla karakterize geleneksel hareketli grafik darboğazları; milyonlarca kullanıcının sinematik düzeyde sahneler üretebilmesine izin veren araçlara yerini bırakabilir.
Bir zamanlar yapay zekâya direnen yaratıcılar, şimdi bu hatlarla doğrudan deneyler yapıyor; bu da araçların olgunlaşma hızını artırıyor ve hibrit iş akışlarının nasıl evrileceğini şekillendiriyor.
Onların geri bildirimlerinin, donanım trendleri kadar sektörün yönünü etkilemesinin muhtemel olduğunu savunuyor.
Read Next: Why Gradient Thinks Trillion-Parameter Models Won’t Belong To OpenAI or Google In The Future