Artificial intelligence: is it really sustainable?

L’insostenibile sete dell’intelligenza artificiale: un’analisi approfondita

L’avvento dell’intelligenza artificiale generativa, con modelli sempre più accessibili come ChatGPT, ha innescato una trasformazione epocale in svariati settori. Tuttavia, questa democratizzazione tecnologica cela un costo ambientale finora in gran parte inesplorato. L’ingente consumo energetico, l’impronta idrica e la produzione di rifiuti elettronici derivanti dall’addestramento e dall’utilizzo di questi sistemi complessi sollevano interrogativi cruciali sulla sostenibilità del progresso tecnologico.

L’esigenza di raffreddare i server all’interno dei data center, strutture nevralgiche per il funzionamento dell’AI, determina un prelievo significativo di risorse idriche. In Virginia, ad esempio, l’incremento del fabbisogno idrico per il raffreddamento dei computer è stato del 65% in soli quattro anni. Su scala globale, i data center statunitensi hanno consumato oltre 283,9 miliardi di litri d’acqua nel 2023, con una media giornaliera di 1,7 milioni di litri per struttura. Un chatbot, apparentemente innocuo, arriva a consumare mezzo litro d’acqua per sole 10-50 domande poste.

L’impatto combinato di energia e acqua, secondo stime dell’Agenzia Internazionale per l’Energia (Aie), potrebbe avere conseguenze devastanti in assenza di interventi regolatori. Le proiezioni indicano un incremento esponenziale del consumo elettrico mondiale, passando da 460 TWh nel 2022 a oltre 1050 TWh nel 2026.

Dietro l’apparente immaterialità delle interazioni digitali si cela un’insaziabile fame di risorse, che impone una riflessione profonda sul modello di sviluppo tecnologico attuale.

L’impronta energetica nascosta dei modelli ai

L’addestramento dei modelli linguistici di grandi dimensioni, come GPT-3, richiede un quantitativo di energia impressionante. Alcune ricerche stimano che l’addestramento di un singolo modello GPT-3 generi emissioni di CO2 equivalenti a quelle prodotte da un’automobile che percorre 700.000 km. L’apparente immediatezza di una risposta fornita da ChatGPT nasconde un dispendio energetico costante.

Nonostante le stime iniziali fossero più allarmanti, uno studio recente ha ridimensionato il consumo energetico per singola query, attestandolo a circa 0,3 watt-ora per il modello GPT-4o. Tuttavia, il volume massiccio di interazioni moltiplica l’impatto complessivo, rendendo cruciale l’adozione di strategie per ottimizzare l’efficienza energetica. L’Aie ha lanciato l’allarme, prevedendo un aumento esponenziale del consumo energetico dei data center, i quali, senza interventi, rischiano di compromettere gli obiettivi di decarbonizzazione globale.

In Irlanda, ad esempio, il consumo di elettricità dei data center ha superato, per la prima volta, quello di tutte le famiglie. Le Big Tech, consapevoli della crescente domanda di energia, valutano la possibilità di affiancare ai data center centrali nucleari, sia convenzionali che di nuova generazione, una prospettiva che solleva interrogativi etici e ambientali.

La dipendenza dai combustibili fossili per alimentare i data center aggrava ulteriormente l’impronta carbonica dell’AI, rendendo imprescindibile la transizione verso fonti energetiche rinnovabili e l’adozione di algoritmi più efficienti.

Il lato oscuro dell’innovazione: i rifiuti elettronici e l’ai

L’accelerazione tecnologica e la crescente richiesta di hardware sempre più performante alimentano un problema ambientale spesso trascurato: l’aumento dei rifiuti elettronici (e-waste). L’obsolescenza programmata e la rapida evoluzione dei modelli AI generano un flusso costante di dispositivi dismessi, contenenti materiali pericolosi e difficili da smaltire correttamente.

Nel 2022, a livello globale, sono state generate 62 milioni di tonnellate di rifiuti elettronici, con un incremento dell’82% rispetto al 2010. L’hardware specializzato utilizzato nell’AI, come le GPU e le TPU, richiede aggiornamenti frequenti, contribuendo in modo significativo all’aumento dei rifiuti elettronici.

La corretta gestione dei rifiuti elettronici è fondamentale per prevenire la contaminazione ambientale e recuperare materiali preziosi. Tuttavia, i processi di riciclo tradizionali sono spesso inefficienti e laboriosi. L’AI può svolgere un ruolo cruciale nell’ottimizzazione del riciclo, grazie a sistemi di visione artificiale in grado di identificare e selezionare i componenti riutilizzabili. Ultralytics, ad esempio, ha sviluppato modelli di visione artificiale in grado di analizzare rapidamente i rifiuti elettronici, individuando materiali di valore come metalli, plastica e schede elettroniche.

L’implementazione di soluzioni AI per la gestione dei rifiuti elettronici presenta vantaggi significativi, tra cui una maggiore sicurezza per i lavoratori, un controllo della qualità in tempo reale e una riduzione della necessità di manodopera. Tuttavia, è necessario considerare anche gli svantaggi, come i costi di implementazione elevati, il consumo di energia e la dipendenza da dati di qualità.

Verso un’intelligenza artificiale responsabile: conciliare progresso e sostenibilità

L’impatto ambientale dell’AI solleva questioni etiche e sociali urgenti. La crescente domanda di risorse, come acqua ed energia, può acuire le disuguaglianze esistenti, soprattutto nelle regioni caratterizzate da scarsità idrica. Le comunità limitrofe ai data center potrebbero subire conseguenze negative, come la riduzione delle risorse idriche e l’aumento dei costi energetici.

È fondamentale adottare un approccio responsabile allo sviluppo dell’AI, promuovendo la trasparenza e la consapevolezza degli impatti ambientali e sociali. Le aziende tecnologiche devono investire in fonti energetiche rinnovabili, sviluppare algoritmi più efficienti e promuovere pratiche di riciclo avanzate. La Commissione Europea ha approvato un regolamento che istituisce un sistema di valutazione della sostenibilità dei data center, richiedendo agli operatori di monitorare e comunicare i propri indicatori di performance idrica ed energetica.

La transizione verso un’AI sostenibile richiede un impegno congiunto da parte di ricercatori, aziende, istituzioni e cittadini. È necessario promuovere la ricerca e lo sviluppo di tecnologie a basso impatto ambientale, incentivare l’adozione di pratiche responsabili e sensibilizzare l’opinione pubblica sui rischi e le opportunità dell’AI. Solo in questo modo sarà possibile conciliare il progresso tecnologico con la tutela dell’ambiente e il benessere delle comunità.

Un futuro sostenibile per l’Intelligenza Artificiale

L’ascesa inarrestabile dell’intelligenza artificiale porta con sé un’eco di interrogativi ambientali che non possiamo più ignorare. Il consumo di energia, l’impronta idrica e la gestione dei rifiuti elettronici sono solo alcune delle sfide che ci attendono. Ma non dobbiamo scoraggiarci!

L’innovazione tecnologica ci offre anche gli strumenti per mitigare questi impatti, aprendo la strada a un’intelligenza artificiale più responsabile e sostenibile. La chiave sta nell’adottare un approccio olistico, che tenga conto non solo dei benefici economici, ma anche delle conseguenze ambientali e sociali.

Investire in energie rinnovabili, sviluppare algoritmi più efficienti e promuovere pratiche di riciclo avanzate sono passi fondamentali per costruire un futuro in cui l’intelligenza artificiale sia al servizio dell’umanità e del pianeta.

Ora, riflettiamo insieme su un aspetto fondamentale dell’intelligenza artificiale: l’algoritmo di ottimizzazione. Immagina un navigatore satellitare che deve trovare il percorso più breve tra due città. L’algoritmo di ottimizzazione è il “motore” che permette al navigatore di valutare diverse opzioni e scegliere quella migliore, tenendo conto di fattori come la distanza, il traffico e i consumi di carburante.

Nel contesto dell’intelligenza artificiale, gli algoritmi di ottimizzazione sono utilizzati per “addestrare” i modelli, ovvero per trovare i valori dei parametri che permettono al modello di fare previsioni accurate. Più efficiente è l’algoritmo di ottimizzazione, meno energia e risorse sono necessarie per addestrare il modello, riducendo così l’impatto ambientale.

Un concetto più avanzato è quello del “reinforcement learning”, una tecnica di apprendimento automatico in cui un agente (ad esempio, un robot) impara a prendere decisioni in un ambiente dinamico, ricevendo una ricompensa o una penalità per ogni azione compiuta. Il reinforcement learning può essere utilizzato per ottimizzare il comportamento dei data center, ad esempio, regolando la temperatura e il flusso d’aria per minimizzare il consumo energetico.

L’intelligenza artificiale è una forza potente, capace di trasformare il nostro mondo in modi inimmaginabili. Ma è nostra responsabilità assicurarci che questa trasformazione avvenga in modo sostenibile, nel rispetto dell’ambiente e delle future generazioni.