Yapay zekâda GPU yanılgısı: 'CPU gücü yeterince kullanılmıyor'

Yapay zekâ(AI) teknolojisinin hızla yayılmasına rağmen CPU’nun önemi yeterince takdir edilmiyor. AI projeleri genellikle GPU’lar (grafik işleme birimleri) merkezli planlandığı için verimsizlik ve kaynak israfı yaşandığı belirtiliyor. NodeOps Network kurucu ortağı ve CEO’su Naman Kabra, 17’sinde (yerel saatle) Cointelegraph'ta yayımlanan yazısında bu *GPU odaklı yaklaşımın* AI altyapısının genişlemesini engellediğini savundu.

GPU’lar, büyük hesaplama görevlerini paralel şekilde yürütmedeki becerileri sayesinde, sohbet robotlarının eğitimi veya görüntü tanıma gibi yüksek işlem gücü gerektiren işlerde tercih ediliyor. OpenAI, Google, Meta gibi küresel teknoloji devlerinin milyarlarca dolarlık bütçelerle GPU kümeleri kurması da bu yüzden. Ancak Kabra, “*Sadece GPU ile AI çalışır* düşüncesi yanlış” diyerek, özellikle modeli çalıştırma sürecinde CPU’ların da *yüksek verimlilik* sağlayabileceğini vurguladı.

Çok sayıda cihaza gömülü olarak yer alan CPU’lar, tekrar eden mantıksal işlemler veya esnek karar mekanizması gerektiren AI görevlerinde daha uygun olabilir. Bilgi toplayan, kod yazan ya da planlama yapan otomasyon ajanları gibi senaryolarda CPU merkezli yapıların ön plana çıktığı ifade ediliyor. Ayrıca, hızlı yanıt gerektirmeyen ortamlarda derin öğrenme modeliyle çıkarım işlemlerinin de CPU ile rahatlıkla yapılabileceği düşünülüyor.

Bu yaklaşım doğrultusunda Kabra’nın önerisi, *merkeziyetsiz bilişim ağı* yani DePIN teknolojisiyle dağıtık AI altyapısının yaygınlaştırılması. Bu sayede dünya genelindeki kullanıcılar kendi atıl durumdaki CPU işlem gücünü paylaşarak devasa bir AI işlem ağı oluşturabilir. Bu yapının, geleneksel bulut sağlayıcıların yerine geçip *veri gecikmesini azaltma* ve *gizliliği artırma* gibi kritik avantajlar sunduğu savunuluyor.

Kabra, “GPU satın alımına milyonlar harcamaktansa var olan CPU kaynaklarını nasıl değerlendirebiliriz, bunu düşünmeliyiz” diyerek değişen ihtiyaçlara dikkat çekti. Dünyada milyonlarca CPU’nun boşa harcandığını belirten uzman, bu israfın önüne geçmek için *zihinsel bir dönüşüm* gerektiğini ifade etti.

AI talebinin önümüzdeki yıllarda katlanarak artması beklenirken, maliyetli ve kaynak yoğun GPU merkezli mimariden uzaklaşılması çağrıları artıyor. Geleneksel veri merkezlerinin fiziki sınırlarına dayandığı bu dönemde, *dağıtık modeller* sürdürülebilir alternatifler olarak öne çıkıyor.

Sonuç olarak, Kabra’ya göre AI altyapısındaki darboğazın nedeni donanım yetersizliği değil, ‘bakış açısı’. “GPU tabii ki önemli; ama CPU elimizin altında ve yeterince *değerlendirmiyoruz*” yorumu, yapay zekâ sektörünün bir sonraki evresinin daha çok *mevcut kaynakları yeniden keşfetmeye* bağlı olduğunu ortaya koyuyor.