GitHub ve Yale anketi: 10 geliştiriciden 8'i enerji verimliliği araçları istiyor

Anket, verimlilik araçlarına yönelik güçlü talep ortaya koyuyor

GitHub ve Yale Program on Climate Change Communication, yazılım verimliliği, iklim değişikliği ve yapay zekânın çevresel etkisi konusunda Amerika Birleşik Devletleri'ndeki 1.039 GitHub kullanıcısıyla bir anket yaptı. Araştırmayı anlatan GitHub Blog yazısına göre merkezi bulgu bir uyuşmazlık: geliştiriciler yazılımlarının tükettiği enerjiyi büyük ölçüde önemsiyor, ancak çoğu israfı bulmak, bir iyileşmeyi ölçmek ve bunu düzeltmenin gerekçesini ortaya koymak için net bir yola sahip değil.

Katılımcıların yüzde 80'i daha enerji verimli kod yazmak için araçlara ilgi duyduklarını söyledi. Hemen ardından yüzde 78'i yazılımın çevresel ayak izini azaltmaya yönelik en iyi uygulamaları, yüzde 74'ü yazılımlarının veya geliştirme süreçlerinin etkisini ölçme yollarını ve yüzde 70'i sürdürülebilirliğe odaklanan open source projelere katkıda bulunmaya ilgi duyacağını belirtti.

Geniş resme yönelik endişe de yüksekti: yüzde 79'u küresel ısınma konusunda endişeli olduğunu, yüzde 71'i yapay zekâ sistemlerinin enerji ve su kullanımı ile karbon emisyonları dahil çevresel etkisi konusunda endişe taşıdığını ve yüzde 75'i işvereninin çevresel etkisini azaltmak için aktif olarak çalışmasının önemli olduğunu söyledi. Rapor, bu rakamların katılımcıların görüşlerini yansıttığını ve yapay zekânın ya da herhangi bir yazılım sisteminin gerçek ayak izini ölçmediğini belirtiyor.

GitHub kullanıcıları ABD yetişkinlerinden daha fazla iklim endişesi bildiriyor

Anket, Yale'ın ulusal temsil gücü olan Climate Change in the American Mind çalışmasındaki bazı soruları tekrarladı ve GitHub kullanıcıları tutarlı biçimde ABD yetişkinlerinin genelinden daha fazla endişe bildirdi. Katılımcıların yüzde 86'sı küresel ısınmanın gerçekleştiğini söyledi; ABD yetişkinlerinde bu oran yüzde 68. Yüzde 68'i kendilerine en az orta düzeyde zarar vermesini bekliyor; ABD yetişkinlerinde bu oran yüzde 45. Yüzde 82'si gelecek nesillere en az orta düzeyde zarar vermesini bekliyor; ABD yetişkinlerinde bu oran yüzde 68.

Rapor, bu karşılaştırmanın sınırlarını açıkça dile getiriyor. Örneklem, pazarlama iletişimlerine kayıt olmuş GitHub kullanıcılarından oluşan olasılığa dayalı olmayan bir gruptu; dolayısıyla sonuçlar geliştiricileri değil anket katılımcılarını tanımlıyor ve ABD yetişkinlerine göre farklar hem popülasyon hem de anket tasarımı farklılıklarını yansıtıyor.

Uçurum ilgisizlik değil, eyleme giden bir yol

Bu endişeye rağmen katılımcıların çoğu kendi kod yazımını küçük bir kaldıraç olarak görüyordu. Yalnızca yüzde 10'u yazılımı geliştirme ve yazma biçimlerinin kişisel çevresel etkileri üzerinde büyük bir etkisi olduğunu, yüzde 28'i orta düzeyde bir etkisi olduğunu ve yüzde 63'ü küçük bir etkisi olduğunu söyledi.

Açık uçlu yanıtlar kayda değer biçimde somuttu. Katılımcılar repository'lerin ve CI/CD pipeline'larının ayak izini tahmin etme, gereksiz GitHub Actions çalıştırmalarını tespit etme, kod verimliliğini iyileştirme ve yapay zekâ kullanımını diğer işlem talebi kaynaklarıyla karşılaştırma konusunda yardım istedi. Bazıları ayrıca kanıtsız çevresel iddialara karşı uyardı; yazı bunu vurguluyor: daha hızlı kod kaynak kullanımını azaltabilir, ancak runtime tek başına daha düşük enerji kullanımını veya emisyonu kanıtlamaz, çünkü donanım, iş yükü, zamanlama, konum ve elektriğin kaynağı sonucu şekillendirir.

Yazı, ölçülebilir israfla dört alanda başlamayı öneriyor: kod (tekrarlanan hesaplama, verimsiz algoritmalar, eksik cache'ler), veri (fazla veri çekme, sınırsız sorgular, toplu olmayan veritabanı çağrıları), ağ ve I/O (yinelenen istekler, olay tabanlı olabilecek yoklama, aşırı büyük payload'lar) ve frontend (gereksiz rendering, ekran dışı varlıkların erken yüklenmesi, aşırı büyük medya). Çalışma süresi, CPU kullanımı, bellek tahsisi ve ağ aktarım boyutu hesaplama talebinin vekil göstergeleri olarak kullanılabilir, ancak her birinin sınırları var.

Karar veren değil, öneren bir agent workflow

Araştırmanın yanı sıra GitHub somut bir araçtan bahsediyor. Open source bir GitHub Agentic Workflow olan Daily Efficiency Improver, bir repository'yi kod, veri, ağ, I/O ve frontend performansı alanlarındaki fırsatlar için tarıyor, ölçülebilecek değişikliklere öncelik veriyor, repository'nin testlerini çalıştırıyor ve kanıt ve ödünleşimlerle birlikte taslak pull request'ler açıyor. Hiçbir şeyi merge etmez; kontrol maintainers'da kalır.

Yazı, workflow'u zamanlamadan önce izinlerini, model kullanımını, beklenen çalışma sıklığını ve işlem maliyetini gözden geçirmeyi ve her öneriyi benchmark'lar ve testler destekleyene kadar bir hipotez olarak değerlendirmeyi tavsiye ediyor. Güçlü bir pull request, hangi israfın bulunduğunu, hangi metriğin iyileşmeyi temsil ettiğini, taban değerinin ne olduğunu, işlevselliğin korunup korunmadığını ve hangi ödünleşimlerin kaldığını belirtmelidir.

Neden önemli

Anket, yazılım sürdürülebilirliğindeki pratik bir boşluğu tanımlıyor: talep var, ancak araçlar ve ölçüm henüz yetişmemiş durumda. Önerilen yol, verimliliği taban değerler, benchmark'lar ve insan incelemesiyle sıradan pull-request döngüsüne katmak, böylece bir değer beyanı değil rutin mühendislik haline getirmek. Kanıtın yeşil iddialara tercih edilmesi en az bunun kadar önemli, özellikle yapay zekâ iş yükleri büyüdükçe ve veri merkezi enerji kullanımına olan ilgi yoğunlaştıkça. GitHub'ın kendi yanıtı bilinçli olarak mütevazı: agent'lar iyileştirme adaylarını bulsun, kanıtın tutup tutmadığına insanlar karar versin.