Ana sayfa→Yapay Zekâ
Yapay Zekâ

OpenAI’nin Matematiksel Kanıtlarının Astronomik Karbon İzı.

L'empreinte carbone de la preuve mathématique apportée par OpenAI au problème des équations de Navier-Stokes est du même ordre de grandeur que celle d'un…

User Avatar
Ahmet KorkmazEditör
7 dk okuma
OpenAI’nin Matematiksel Kanıtlarının Astronomik Karbon İzı

L’empreinte carbone de la preuve mathématique apportée par OpenAI au problème des équations de Navier-Stokes est du même ordre de grandeur que celle d’un télescope du réseau Cherenkov (ici, en photo) qui fonctionnerait pendant dix ou quinze ans.
CTA/M-A. Besel/IAC (G. P. Diaz)/ESO

L’ESSENTIEL

  • OpenAI a annoncé avoir résolu un problème mathématique millénaire, consistant à prouver l’existence de solutions uniques aux équations de Navier-Stokes, omniprésentes en mécanique des fluides.

  • L’empreinte carbone de cette preuve mathématique, même si elle est difficile à estimer avec précision, est d’un ordre de grandeur considérable : 1 000 tonnes équivalent CO₂.

  • C’est autant que celle de grands instruments d’observation spatiale, pour des durées d’opérations d’une dizaine d’années. De quoi s’interroger sur l’allocation de telles ressources.

  • Les annonces successives d’OpenAI au sujet de découvertes scientifiques laissent une impression tenace : l’intelligence artificielle (IA) serait désormais indispensable pour faire de la science.

    L’entreprise a d’abord annoncé, début septembre 2026, que sa technologie d’IA générative s’était hissée à la hauteur des grands enjeux scientifiques de notre époque en résolvant l’un des problèmes du Prix du millénaire (Millenium Challenges), proposés par le Clay Institute. Celui-ci consistait à démontrer l’existence de solutions uniques aux équations de Navier-Stokes, omniprésentes en mécanique des fluides.

    Elle a ensuite publié, le 6 octobre 2026, plusieurs centaines de preuves mathématiques générées automatiquement, supposées résoudre de nombreux problèmes ouverts en mathématiques. Plus récemment encore, le 26 octobre, elle a annoncé trois nouveaux résultats majeurs en mathématiques, en physique et en informatique, en précisant cette fois comment elle souhaite collaborer avec la communauté scientifique.

    Bu üç duyuru, OpenAI ile üniversiteler arasındaki yakın işbirliğine dair fikri pekiştiriyor. Hatta her bilim insanının araştırmalarında destek alması bile mümkün görünüyor. 6 Ekim’deki duyurusunda şirket, ortalamaya göre «her sonucun yaklaşık üç saatlik ChatGPT Pro düşünmesine eşdeğer hesaplama kaynakları gerektirdiğini» belirtiyor; ki bu, hedef kitlenin büyük bir kısmının zaten düzenli olarak tükettiği bir şey.

    Oysa Navier-Stokes denklemleri gibi büyük teoretik sorular, çok daha büyük miktarda hesaplama gerektirir. Bu sorların algoritmik çözümü üzerine eleştiriler yükselirken, aynı zamanda OpenAI’ın bilim camiasına sunduğu hizmetlerin çevresel maliyeti de sorulabilir.

    Örnek olarak, Navier-Stokes denklemleri için trivial olmayan bir çözümün bulunmasına yol açan hesaplamanın karbon ayak izini tahmin etmeye çalışalım.

    Kırıcı haberler değil. Temelsiz görüşler değil.

    Yapay zekâ, modern matematik için «greyder» mi?

    Matematik, mükemmel entelektüel disiplinmiş gibi düşünülebilir; bir teorem ispatlamak, yeni formalizmler icat etmek ve nihayetinde yeni bilgiler üretmek için yalnızca büyük bir beyaz tahta ve siyah bir marker yetermiş gibi.

    Bu artık böyle değil. Bazı ispatların karmaşıklığı artık bilişsel destek gerektiriyor. Dil modellerinin (Large Language Models ya da LLM’ler) ve otonom «ajansların» ortaya çıkmasıyla, araştırmanın gerektirdiği yaratıcılığın tamamı artık yapay zekâ sayesinde otomatikleşebilir.

    OpenAI'nin Matematiksel Kanıtlarının Astronomik Karbon İzı

    OpenAI’nin üst üste sonuçlar yayması, The Verge medya kuruluşunun gazetecisi Robert Hart ile Inria araştırmacısı ve Le Point‘te köşe yazan Gaël Varoquaux’a bir greyder imajını çağırıyor. Bu iki yazar biraz farklı sonuçlara varıyor, ancak enerji açısından bakıldığında benzetme son derece uygun: On yıl önce, yani kuruluşundan kısa bir süre sonra OpenAI, elinde bir greyderin elektrik gücüyle aynı büyüklük derecesinde birleşik elektrik gücüne sahip 1.600 hesaplayıcı olduğunu belirtiyordu.

    2016’da bile OpenAI’nin kullandığı tüm süperbilgisayarların birleşik elektrik gücü bir greyderinkiyle aynı büyüklük derecesindeydi.

    Eylül ayında yaptığı açıklamada OpenAI, bu sorunu çözmek için on binlerce ajan kullandığını, bu ajanların birbirleriyle 88 saat boyunca etkileşime girdiğini belirtiyor

    « 2,7 milyon mesaj ürettiği ve yaklaşık 130 milyar «token» (çıkış jetonu) kullandığı ».

    OpenAI’nin sunduğu fiyatla, bu hesaplama hacmi için ödenen fatura, Fransa’da yaklaşık kırk doktora bursunun finanse edilmesine eşit bir tutar oluşturuyor.

    Bu «düşünme» yoğunluğunun, doktora derecesi için en az üç yıl gerektiren bir çalışmanın yerine birkaç on saat içinde gerçekleştirilmesi, ciddi bir elektrik tüketimi anlamına geliyor. Bu da operasyonun gerçek çevresel maliyetini sorgulatıyor.

    Bir yapay zeka sisteminin karbon ayak izi nasıl tahmin edilir?

    İdeal olan, çok yönlü bir çevresel analiz yapmak olsa da, burada yalnızca elektrik tüketiminin bir tahminine dayanan bir karbon ayak izi hesabıyla yetineceğiz. Bu tüketimin tahmini, teknoloji şirketlerinin sürdürdüğü şeffaflık eksikliği nedeniyle zaten oldukça karmaşık.

    Gerçekten de LLM’lerin elektrik tüketiminin kısmi bilgiler ve çok sayıda varsayım kullanılarak tahmin edilmesi gerekir: Elde edilen büyüklük mertesi doğru değilse, OpenAI bunu dile getirmekten çekinmez; Google da burada veya orada, konu hakkında yapılan akademik yayınlara yanıt olarak bunu yapmıştır.

    OpenAI, duyurusunda bir kanıt üretmek için 130 milyar işlem yapılması gerektiğini bildiriyor. Bir işlem, bir harfi, bir kelimeyi veya bir kelimenin bir bölümünü temsil edebilecek bir token üretiminden ibarettir.

    Bu arada, tüketim verilerini sağlayan nadir işletmelerden biri olan Neuralwatt hizmet şirketi, LLM Kimi K3 için saniyede yaklaşık 10 watt-saat olan, bin token başına 33,6 kilojül (kJ) ortalık tüketim belirtiyor; bu da OpenAI’nikine yakın kabul edilebilir.

    Böylece, bu kanıt için tüketilen enerji 1,3 gigawatt-saat olarak tahmin edilebilir. Ayrıca 2026’da Amerika Birleşik Devletleri’nde bir kilowatt-saat elektrik üretimi ortalamada 388 gram CO₂ eşdeğeri sera gazı yayıyor; bu da büyüklük mertesi olarak, 500 tonne CO₂ eşdeğeriye yaklaşan bir karbon izini veriyor.

    Sadece 88 saat içinde, OpenAI’nin yapay zeka sisteminin, bir yılda Avrupa Birliği’nde (UE) yaşayan 50 kişinin (beslenmek, barınmak, hareket etmek vb. için) yaydığı kadar emisyon yaptığı söylenebilir.

    Yüksek başarısızlık oranı karbon izini ağırlaştırıyor

    Navier-Stokes denklemlerine çözüm bulma çabasında şirket, çözülüp çözülmediği belirtilmeden başka sorunları da çözmeye çalıştığını belirtiyor. Büyük ihtimalle böyle değildir. Dolayısıyla, bir araştırma sürecindeki başarısızlıklar hesaba katıldığı gibi, bu keşif aşaması da hesaba katılabilir.

    Bu nedenle, ilgilenmeye değer bir sonuca ulaşmak için 130 milyar işlem değil, toplamda 300 milyar işlem gerekiyor. Önceki varsayımları kullanırsak, bir yayının gerçekleşmesi için 1.000 tonun üzerinde CO₂ eşdeğeri emisyon yapılması gerektiği söylenebilir.

    Bu tahminin büyüklük mertubesinin doğru olması umulabilir, ancak oldukça zayıf varsayımlara dayanıyor:

    • Bir hesaplamanın enerjisi, üretilen sembol sayısından çok hesaplamanın süresine bağlıdır;

    • OpenAI personeli dışında kimse, Kimi K3’ün gerçekten OpenAI modeline eşdeğer olup olmadığını bilebilir.

    • Buna rağmen, Neuralwatt’ın DeepSeek v4 Flash gibi daha küçük diğer LLM’ler için verdiği rakamlar, Google ve OpenAI’ın halka açık hizmetleri konusunda vermeyi kabul ettiği rakamlarla karşılaştırılabilir; bu da istek başına yaklaşık 0,3 watt-saat ediyor.

      IA’ın CO₂ izi, astronomi ile karşılaştırıldığında

      Durum daha da temkinli bir şekilde ifade edilebilir: Bir matematikçi ya da teoretik fizikçi, OpenAI’ın IA sistemine erişimi olmadan Navier-Stokes denklemlerinin ortaya attığı singularite sorununu çözmeye çalışsaydı, 1.000 tonun üzerinde CO₂ eşdeğeri emisyon yapması, yani yıllık CO₂ izini 100 ile çarpması gerekirdi (AB için).

      Bu kadar büyük bir CO₂ izine hangi başka araştırma faaliyeti kendisini izin verebilir? Nature‘da yayımlanan bir araştırma, sera gazlarını büyük ölçüde yayan astronomik araştırma altyapısının CO₂ izinin, astronom başına 22 ile 50 ton arasında CO₂ eşdeğeri olduğunu (ki bu, AB için kişi başına 10 tonluk ortalamaya ekleniyor) tahmin ediyordu. 1.000 tondan oldukça uzak bir rakam.

      Enfin, prenons l’exemple de grands projets de recherche en astronomie, impliquant des dizaines, voire des centaines de scientifiques. L’organisation Labos 1point5 (en référence à l’objectif de limiter le réchauffement climatique à 1,5 °C) propose une méthodologie pour évaluer l’empreinte carbone d’un laboratoire sur ce type de projets.

      Le projet Giant Radio Array for Neutrino Detector (GRAND), par exemple, qui implique l’installation d’antennes sur 200 kilomètres carrés pour observer l’espace depuis la Terre, a une empreinte carbone estimée à 471 tonnes d’équivalent CO₂. Pour un télescope du réseau Cherenkov, il faut compter encore un peu plus : entre 2 400 tonnes et 2 950 tonnes d’équivalent CO₂.

      Comparaison de l’empreinte carbone de plusieurs projets de recherche, dont la génération de preuve mathématique par OpenAI.
      Fourni par l’auteur

      L’empreinte carbone d’OpenAI sur les 88 heures de calcul est peut-être en deçà de ces chiffres, mais, si on les rapporte à la durée des projets, la différence est, littéralement, astronomique. Ces projets sont, en effet, programmés sur vingt et trente ans respectivement. Dans le cas du télescope, 55 % de l’empreinte carbone provient de l’exploitation du télescope pendant trente ans.

      Des arbitrages à faire pour une recherche soutenable

      À l’heure où la réduction de nos émissions de gaz à effet de serre est supposée être un objectif de l’Union européenne, cette pratique émergente de résolution algorithmique menace la soutenabilité de la recherche théorique, jusqu’à présent l’une des moins émettrices de gaz à effet de serre.

      Il faudra peut-être, dans un futur proche, arbitrer entre de telles recherches théoriques « au bulldozer », les recherches en astronomie et tout autre activité de recherche consommatrice de ressources matérielles et d’énergie. Dit autrement, en mathématiques, il faudra peut-être renoncer à la génération de preuves par LLM.

      İlginizi Çekebilir: RefVid’i Test Ettim: Sabit Ürün ve Tutarlı Karakterlerle Reklam Videolarını Ne Kadar İyi Oluşturabilirim? →
      Kaynak: The Conversation ↗Kaynak yazarı: Victor Charpenay
      🚀 SayarBilgi Topluluğu

      Bu Gelişmeyi Toplulukta Değerlendirin

      Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.

      💬 Topluluk Masası & Tartışma

      Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.

      Foruma Katıl & Yanıtla ➔
      SayarBilgi sitesini Google’da tercih edilen kaynak olarak seç
      Forumda sor / tartış
TOPLULUĞUN SESİ

Söz sizde.

1 yorum

Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.

Sohbete katıl

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Yorumunuz yayımlanmadan önce onay bekleyebilir.

BİR SONRAKİ OKUMA

Merak etmeye devam

Tümünü gör ↗

Neyi merak ediyorsun?

En az 3 karakter yazın.

Keşfet