Il costo ambientale dell’IA e le priorità della sostenibilità
una sfida per il futuro
Tempo di lettura: 3 min
🖊️Gabriella Pinto
Nov 2024
Dopo il rilascio di ChatGPT e la rapida diffusione delle applicazioni basate sull’intelligenza artificiale (IA), emergono interrogativi importanti su come bilanciare innovazione tecnologica e sostenibilità ambientale. Lo sviluppo di nuovi modelli di intelligenza artificiale comporta un costo ambientale significativo, che non può essere ignorato se vogliamo costruire un futuro sostenibile.
Server utilizzati per lo sviluppo dei modelli AI
Un problema di risorse energetiche
La formazione di modelli di intelligenza artificiale di grandi dimensioni richiede enormi quantità di energia. Uno studio del 2019 dell’Università del Massachusetts ha stimato che la formazione di un singolo modello di IA può produrre oltre 284 tonnellate di CO₂, equivalenti alle emissioni di cinque automobili durante l’intero ciclo di vita. Ad esempio, lo sviluppo di Chat GPT-3 ha richiesto circa 1.287 megawattora (MWh) di elettricità, un consumo equivalente all’energia utilizzata annualmente da circa 120-130 abitazioni americane medie. Da allora, la complessità e la potenza dei modelli sono cresciute esponenzialmente, rendendo il problema ancora più rilevante.
Secondo una stima di Goldman Sachs Research, l’intelligenza artificiale potrebbe aumentare la domanda energetica dei data center del 160%, aggiungendo circa 200 terawattora (TWh) all’anno tra il 2023 e il 2030. Entro il 2028, il consumo legato all’IA rappresenterà circa il 19% del fabbisogno energetico totale dei data center. Parallelamente, l’Agenzia Internazionale dell’Energia (IEA) prevede che il consumo globale di elettricità derivante da data center per il loro funzionamento e i sistemi di raffreddamento impiegati, potrebbe raddoppiare rispetto ai livelli del 2022 già entro il 2026. Questi dati sottolineano l’urgenza di affrontare la sostenibilità energetica nel settore tecnologico.
Il paradosso della sostenibilità
Questo scenario si scontra con un contesto in cui la sostenibilità ambientale è una priorità urgente. Schwartz et al. (2020) hanno coniato il termine “Green AI” per descrivere un approccio all’intelligenza artificiale che priorizza l’efficienza computazionale insieme alle prestazioni. Gli autori sottolineano come l’attuale corsa verso modelli sempre più grandi sia in diretta contraddizione con gli obiettivi globali di sostenibilità ambientale.
Organizzazioni internazionali, governi e investitori/trici stanno spingendo per una transizione verso tecnologie a basso consumo di CO2, promuovendo le energie rinnovabili e l’efficienza energetica. Secondo il rapporto “The Green Behind the Cloud” di Accenture e Microsoft (2020), le aziende sono sotto pressione per allinearsi agli standard ESG (Ambientali, Sociali e di Governance), che stanno diventando fondamentali per attrarre investimenti e mantenere una buona reputazione.
Verso un’IA più sostenibile
Nonostante le sfide, ci sono segnali di speranza. Alcuni ricercatori/trici stanno lavorando su metodi per rendere la formazione dei modelli più efficiente. Ad esempio, la ricerca condotta presso la Climate Change AI (2023) sta esplorando l’uso di tecniche di sparse learning e di architetture ottimizzate che potrebbero ridurre significativamente la quantità di dati e calcoli necessari. Uno studio condotto da Zhou et al. (2023) ha evidenziato che applicare limiti al consumo energetico durante le fasi di addestramento e inferenza dei modelli di intelligenza artificiale può ridurre il consumo complessivo dal 12% al 15%. Questi risultati sono promettenti, ma come sottolineato da Henderson et al. (2022), è necessario un cambiamento più sistemico nell’approccio allo sviluppo dell’IA.
Inoltre, le grandi aziende tecnologiche stanno iniziando a investire in energia rinnovabile per alimentare i loro data center. Google, ad esempio, nel suo Environmental Report (2022), sostiene di essere già “carbon neutral” e punta a utilizzare energia priva di carbonio per tutte le sue operazioni entro il 2030. Anche Microsoft ha annunciato il suo impegno a diventare “carbon negative” entro il 2030.
Ma queste iniziative sono sufficienti? I critici sottolineano che, mentre gli sforzi per ridurre le emissioni sono lodevoli, non affrontano pienamente il problema dell’aumento esponenziale della domanda di energia e dei modelli di AI.
Google headquarters.
Una questione di governance
Per affrontare questa dicotomia, è necessario un approccio integrato che coinvolga governi, aziende e comunità scientifica. La Green Software Foundation, ha proposto standard e metriche per misurare l’impatto ambientale dello sviluppo di software, inclusi i modelli di IA. Questi standard potrebbero fornire la base per future normative che incentivano pratiche più sostenibili. Allo stesso tempo, è fondamentale promuovere una maggiore trasparenza: aziende e sviluppatori/trici dovrebbero essere tenuti/e a pubblicare dati sull’impatto ambientale dei loro modelli e a giustificare il valore aggiunto rispetto al costo ambientale.
Conclusioni
L’intelligenza artificiale rappresenta una straordinaria opportunità per risolvere problemi complessi, ma il suo rapido sviluppo solleva interrogativi cruciali sul suo impatto ambientale. Mentre investiamo enormi risorse per migliorare questa tecnologia, ci chiediamo: quanto stiamo considerando le conseguenze che il suo utilizzo ha sul nostro pianeta?
Adottare un approccio responsabile non significa frenare l’innovazione, ma garantire che il progresso tecnologico sia allineato ai principi di sostenibilità. Solo trovando un equilibrio tra sviluppo tecnologico e tutela ambientale possiamo assicurarci che l’IA diventi non una minaccia, ma uno strumento per affrontare le sfide ambientali globali.
