Turing, Ohno ve Bir Fabrika Penceresi

Yapay Zekanın Köklerinden Yeşil Fabrikalara: Dijitallik ile Sürdürülebilirliğin Henüz Anlatılmamış Ortak Paydası

1950’de Bir Odada Sorulan Soru

İkinci Dünya Savaşı yeni bitmiş. Avrupa harabeye dönmüş, Japonya yenilmiş, Amerika yorgun ama zaferin sarhoşluğuyla galip çıkmış. Herkesin aklında tek soru var: “Sırada ne var?”

İngiltere’de bir matematik dehasının aklında ise bambaşka bir soru vardı: “Makineler düşünebilir mi?”

Alan Turing, 1950’de Computing Machinery and Intelligence başlıklı makalesini yayımladığında, dünya bilgisayarı henüz bir hesap makinesi olarak görüyordu. Turing’in sorusu dönemin akademik çevrelerinde çoğunlukla gülümsemeyle karşılandı. Kimisi hafifçe güldü, kimisi omuz silkti. Ama soru yerli yerine oturmuştu bir kez; bir daha oradan kalkmadı.

Aynı yıl, yeryüzünün tam öte ucunda, Japonya’da bir fabrika mühendisi tamamen farklı ama aynı ölçüde devrimci bir soru soruyordu: “Bu adımda gerçekten değer üretiliyor mu?”

İki farklı soru. İki farklı adam. İki farklı kıta. Ve şaşırtıcı biçimde, yetmiş küsur yıl sonra, aynı kapıya çıkıyorlar: sürdürülebilirlik.

2 Yapay Zekanın Uzun, Sabırlı ve Zaman Zaman Sinir Bozucu Tarihi

1956 yılında Dartmouth Konferansı’nda John McCarthy bir isim koydu bu alana: Artificial Intelligence — Yapay Zeka. Coşku büyüktü. “On yıl içinde makineler her şeyi yapabilecek” deniliyordu. On yıl geçti. Sonra yirmi yıl. Sonra otuz yıl.

Ve beklentiler gerçeği yakalamayınca, “Yapay Zeka Kışları” yaşandı. 1970’lerin sonunda, 1980’lerin ortasında — fonlar kesildi, laboratuvarlar kapandı, araştırmacılar başka bölümlere sığındı. Bu konudan bahsetmek neredeyse kariyer intihara dönüşüyordu.

Ama bazıları bırakmadı.

• 1950

Alan Turing, “Makineler düşünebilir mi?” sorusunu soruyor. Turing Testi kavramı doğuyor.

• 1956

Dartmouth Konferansı. John McCarthy “Yapay Zeka” terimini kullanıyor. İyimserlik dorukta.

• 1970–80’ler

İlk “AI Kışları”. Fonlar azalıyor, beklentiler çöküyor. Uzman sistemler umut verirken kâfura gidiyor.

• 1986

Geoffrey Hinton ve ekibi geri yayılım algoritmasını (backpropagation) yeniden canlandırıyor. Yapay sinir ağları nefes alıyor.

• 2012

AlexNet, ImageNet yarışmasını büyük farkla kazanıyor. Derin öğrenme çağı başlıyor. Herkes uyanıyor.

• 2017

“Attention Is All You Need” makalesi. Transformer mimarisi. Bugün kullandığımız büyük dil modellerinin temeli atılıyor.

• 2022–günümüz

Üretken yapay zeka her yere giriyor. Ve fatura ortaya çıkıyor: veri merkezleri küresel elektriğin %2–3’ünü tüketiyor; bu pay hızla büyüyor.

Yetmiş iki yıllık bu yolculuğun sonu nereye çıkıyor? Sürdürülebilirlik sorusunun tam ortasına. Çünkü yapay zeka hem çözüm hem sorun haline geldi. Ve bu paradoksu anlamak için biraz geri gitmek gerekiyor — Japonya’ya, 1950’lerin fabrikalarına.

3 Ohno’nun Fabrikadaki Sessiz Devrimi

Taiichi Ohno bir fabrika mühendisiydi. Parlak bir konuşmacı değildi. Kitap yazmaya da pek meraklı değildi başlarda. Ama fabrika zeminlerinde geçirdiği saatler ona bir şey öğretmişti: üretimde yapılan işlerin büyük çoğunluğu hiçbir değer üretmiyordu.

Stoklar birikirdi. Makineler beklerdi. Parçalar fabrika içinde gereksizce taşınırdı. Üretim, satıştan çok daha fazla yapılırdı. Ohno bunların hepsine tek kelime koydu: Muda — israf.

“Her adımda kendinize bir soru sorun: Bu adım müşteri için değer üretiyor mu? Eğer cevap hayırsa, o adım israftır.”

— Taiichi Ohno’nun yaklaşımının özeti Ve Toyota Üretim Sistemi’ni, daha sonra dünyanın Lean Manufacturing ya da Yalın Üretim diyeceği sistemi kurdu.

Ama asıl ilginç olan şu: Ohno’nun mücadelesi yalnızca maliyeti düşürmekle ilgili değildi. Aşırı enerji tüketimi, gereksiz hammadde, gereğinden fazla üretim… Bunlar hem ekonomik hem de çevresel israftı. O dönemde “sürdürülebilirlik” kelimesi bu bağlamda hiç kullanılmadı. Ama yapılan şey tam olarak buydu.

Bugün Yalın ile sürdürülebilirliği bir arada düşünen şirketler “Green Lean” diye yeni bir kavramla çalışıyor. Ohno, bilmeden çevrecilerin öncüsü olmuştu.

4 Motorola’nın Hata Hesabı ve 6 Sigma

1980’lerin ortasında Motorola’da Bill Smith ve Bob Galvin ciddi bir sorunla yüzleşiyordu: kalitesizliğin maliyeti, şirketi yutmaya başlamıştı. Ve rakamlar nahoş bir gerçeği gösteriyordu — üretilen her üründe çok fazla hata vardı, çok fazla yeniden işleme vardı, çok fazla kayıp vardı.

6 Sigma doğdu. Hedef: milyon fırsatta yalnızca 3,4 hata. Araç: veri. Yöntem: DMAIC.

Bugün bu aynı araçları karbon emisyonu ölçümüne, tedarik zinciri analizi­ne, enerji verimliliği projelerine uyguluyoruz. Kapsamı değişti; yöntem aynı kaldı. DMAIC ile bir üretim hatasının kök nedenini bulan mühendis, aynı yapıyla bir fabrikadaki karbon salınımının en büyük kaynağını da buluyor.

6 Sigma + Sürdürülebilirlik: Pratikte Nasıl Görünüyor?
Tanımla: Fabrikamızın karbon ayak izinin en büyük kaynağı nedir?
Ölç: Scope 1, 2 ve 3 emisyonlar ne kadar? Hangi süreç ne kadar enerji tüketiyor?
Analiz Et: Hangi ekipman, hangi vardiyada, hangi koşulda en fazla enerji çekiyor?
İyileştir: Yük dengeleme, kestirimci bakım, lojistik optimizasyonu, malzeme değişimi.
Kontrol Et: Sensörler, dijital izleme sistemleri, periyodik denetim ile kazanımı koru.

5 Elektrik Faturasının Anlatmadıkları

Birkaç yıl önce bir üretim tesisinde çalışan bir arkadaşım bana şunu anlattı. Fabrikalarına enerji izleme sistemleri kurmuşlar. İlk raporlar gelince, fabrika müdürü ekrana bakakalmış: gece vardiyasında, makineler durduğu halde, tesisin enerji tüketimi neredeyse tam kapasiteyle devam ediyormuş.

Basit bir soruşturma başlatılmış. Kompresörler kapatılmamış, ısıtma sistemleri boş alanda çalışmaya devam etmiş, aydınlatma sensörsüz olduğu için sabaha kadar yanmış. Bunlar fatura olarak yıllardır önlerine geliyormuş ama hiç böyle somut görünmemişler.

Tek bir dijital izleme sistemi ve altı ay sonra elektrik faturası %22 azalmış. Üretimde hiçbir değişiklik yapılmamış.

Bu hikaye bana çok şey söylüyor. Sürdürülebilirlik bazen büyük bir teknoloji yatırımı değil; sadece görünür kılmak meselesi. Ve dijitallik bu noktada devreye giriyor: göremediğimizi iyileştiremeyiz.

Ohno’nun “Git, yerinde gör” dediği şeyi bugün sensörler ve veri sistemleri bizim için yapıyor. Fabrika zemininde gezinerek gözlemlemek ile gerçek zamanlı bir enerji panosu izlemek — özünde aynı dürtü, farklı araçlar.

6 Yalın’ın Dokuzuncu İsrafı: Dijital Muda

Ohno yedi israf tanımlamıştı. Sonraki nesiller sekizincisini ekledi: kullanılmayan insan potansiyeli.

Ben bugün dokuzuncusunun zamanı geldiğini düşünüyorum: dijital israf.

KLASİK Hiç okunmayan raporlar. Her gün üretilen, kimsenin bakmadığı dashboardlar.

KLASİK Eğitilip rafta kalan yapay zeka modelleri. GPU saatlerini yutup sonucu canlıya alınmayan sistemler.

KLASİK Yıllarca biriken ama hiç sorgulanmayan veriler. Depolama maliyeti ve enerji tüketimi sürüyor, değer üretimi durmuş.

YENİ Gereksiz büyük modeller. Küçük bir görev için dev bir yapay zeka modeli çalıştırmak — makas için kılıç kullanmak gibi.

YENİ İdlemode’daki sunucular. Kapasitenin yüzde onu kullanılırken yüzde yüz enerji çekimi devam ediyor.

Yalın düşüncesini dijital alana taşıdığımızda sürdürülebilirlik kendiliğinden geliyor. Hangi veriyi gerçekten işlememiz gerekiyor? Hangi modeli hangi büyüklükte kullanmalıyız? Hangi sunucunun açık kalmasına ihtiyaç var? Küçük sorular, büyük farklar.

7 Paradoks: Yapay Zeka Hem Çözüm Hem Sorun

Turing’in makinesini — salon büyüklüğündeki, tonlarca ağırlığındaki vakum tüplü canavarları — düşünün. Bugün cep telefonunuzda onlardan binlerce kez daha güçlü işlemciler var. Teknoloji muazzam verimlilik kazanımları sağladı.

Ama bir büyük dil modelini eğitmek, küçük bir ülkenin aylık elektrik tüketimiyle boy ölçüşebiliyor. ChatGPT’ye yöneltilen her sorgunun enerji maliyeti, klasik bir arama sorgusundan çok daha yüksek. Yapay zeka uygulamaları büyüdükçe veri merkezlerinin elektrik iştahı da büyüyor.

Yapay zeka hem sürdürülebilirliğin en güçlü aracı hem de sürdürülebilirliğin önündeki yeni engellerden biri olabilir. Bu paradoksu görmeyen bir dijital dönüşüm stratejisi eksik kalır.

Ama aynı yapay zeka, rüzgar türbinlerinin bakım ihtiyacını haftalar öncesinden tahmin ediyor. Elektrik şebekelerini optimize ediyor, ulaşım rotalarını verimlileştiriyor, binlerce sensörden gelen veriyi anlık işleyerek enerji israfını kesiyor. Kullanış biçimi, araç değil, belirleyici olan.

Ohno’nun sorusunu yapay zeka çağına uyarlarsak: “Bu model, bu hesaplama, bu veri depolama gerçekten değer üretiyor mu?”

8 Döngü: PUKÖ, DMAIC ve Karbon

Deming’in PUKÖ döngüsünü hatırlayın: Planla, Uygula, Kontrol et, Önlem al. Kaizen’in sürekli iyileştirme motoru. 6 Sigma’nın DMAIC’i de benzer bir döngü. İkisi de aynı felsefeyi taşıyor: hiçbir şey bir kerede mükemmel olmaz, süreç döngüsel ilerler, veri yol gösterir.

Sürdürülebilirlik hedefleri de bu döngüye son derece uygun. Karbon hedefi koymak yetmez — ölçmek, analiz etmek, iyileştirmek ve tekrar ölçmek gerekir. Şirketlerin büyük çoğunluğu birinci adımda takılı kalıyor: hedef var, ölçüm yok.

Dijital araçlar burada köprü kuruyor. IoT sensörleri ölçer. Yapay zeka analiz eder. Dijital ikizler “ya şöyle yapsaydık?” sorusunu simüle eder. Ve PUKÖ yeniden başlar.

Deming Japonya’ya istatistiksel kalite kontrolü öğretmek için gittiğinde, JUSE başkanı Ichiro Ishikawa ile tanışmıştı. Ishikawa’nın oğlu Kaoru ileride balık kılçığı diyagramını geliştirdi. Bir fikir, nesilden nesile, kıtadan kıtaya taşındı. Bugün sürdürülebilirlik de böyle taşınıyor — endüstri mühendisliğinin dilinden çevre biliminin diline, oradan dijital sistemlerin koduna.

9 Sonuç Yerine: Ortak Payda

1950’de Turing “Makineler düşünebilir mi?” diye sordu. Ohno o yıllarda “Bu adımda değer üretiliyor mu?” diye sordu. 1980’lerde Bill Smith “Hata oranımız gerçekte ne kadar?” diye sordu.

Hepsinin ortak özelliği şu: doğru soruyu sormaktan korkmadılar. Ve sordukları soru, o an için çok büyük, çok erken ya da çok gereksiz görünüyordu.

Bugün sormamız gereken soru da belli: “Bu adım, bu sistem, bu teknoloji gezegenimizin geleceği için değer üretiyor mu?”

Kaizen’in, 6 Sigma’nın, Yalın’ın ve Yapay Zekanın ortak paydası: gözlemlemek, ölçmek, sormak ve iyileştirmek. Araçlar hazır. Yöntemler elli yıldır test edilmiş. Sürdürülebilirlik bu çerçevede belki de hiç sandığımız kadar uzak değil.

Belki de tek yapmamız gereken, Turing’in 1950’deki cesaretini biraz ödünç almak — ve erken görünen soruyu sormaktan çekinmemek.

Hepimize doğru soruları kolay, cevapları umutlu ve yeşil bir gelecek diliyorum.

Kaynakça:

Taiichi Ohno – Toyota Production System (1978);

W.E. Deming – Out of the Crisis (1982);

Vaswani et al. – “Attention Is All You Need” (2017, NeurIPS);

IEA – Electricity 2024 rapor