Le promesse di sostenibilità dell'intelligenza artificiale e le dure realtà

La relazione tra intelligenza artificiale e clima è più complicata di quanto si possa pensare. Questo perché questa relazione è messa a dura prova dal fabbisogno energetico dei modelli di intelligenza artificiale. I modelli linguistici di grandi dimensioni (LLM), ovvero i sistemi di back-end alla base di chatbot come ChatGPT, sono troppo esigenti in termini di energia e consumano troppa potenza di calcolo rispetto alle loro controparti di ricerca.

Costi ambientali e consumo energetico

Il costo ambientale per il funzionamento di questi modelli richiede grandi quantità di elettricità e acqua. L'impronta di carbonio di tutta l'elettricità consumata da questi modelli è decisamente eccessiva e relativamente sconosciuta a causa delle diverse tipologie di fonti di generazione elettrica utilizzate dalle reti che alimentano i data center nelle diverse sedi in cui questi modelli sono immagazzinati e operano. 

Il CEO di OpenAI, Sam Altman, uno dei nomi più importanti nel settore dell'intelligenza artificiale, ha affermato che l'intelligenza artificiale potrebbe apportare una miriade di benefici per gli esseri umani, come la cura del cancro e la risoluzione dei problemi climatici. Anche il CEO di Microsoft, Satya Nadella, ha espresso opinioni simili nella sua lettera agli azionisti dello scorso anno, evidenziando il cambiamento climatico come il problema defidella nostra generazione. Riferendosi all'intelligenza artificiale, ha affermato:

“può rappresentare un potente acceleratore nell’affrontare la crisi climatica”.

Fonte: Thestreet.

Anche Jensen Huang, CEO di Nvidia, la pensa in modo simile e, come Nadella, secondo lui l'intelligenza artificiale porterà a scoperte rivoluzionarie nella ricerca e nella scienza sul clima. Nonostante queste visioni ottimistiche, la realtà sul campo è ben diversa, almeno per quanto riguarda l'impatto sul clima.

Si dice che Llama 3, l'ultimo modello di Meta, emetta 2290 tonnellate di anidride carbonica solo durante il suo addestramento; ora confrontatelo con un'auto media a benzina, che emette una tonnellata di anidride carbonica ogni 2500 miglia percorse, secondo l'Agenzia per la protezione ambientale degli Stati Uniti (EPA).

Le promesse di sostenibilità dell'intelligenza artificiale

Google si è posta l'obiettivo di ridurre le proprie emissioni di carbonio a un livello netto pari a zero entro il 2030, obiettivo che potrebbe essere parzialmente raggiunto attraverso compensazioni di carbonio. Le emissioni di carbonio di Google erano pari a 10,2 milioni di tonnellate nel 2022; per capirlo, si consideri la Finlandia, dove l'intero Paese ha emesso 45,8 milioni di tonnellate di anidride carbonica nello stesso anno, con una popolazione di 5,5 milioni di persone.

L'altro importante indicatore di impatto climatico è l'acqua: nello stesso anno Google ne ha consumati 5,6 miliardi di galloni, con un aumento del 20% su base annua. La maggior parte di quest'acqua è stata utilizzata dai suoi data center. Google ha dichiarato che sostituirà il 120% dell'acqua consumata entro il 2030, ma secondo un rapporto, nello stesso anno ne ha sostituita solo il 6%.

Anche ildent per l'energia di Microsoft, Boby Hollis, ha espresso le stesse opinioni e ha affermato che l'azienda continuerà a investire nelle energie rinnovabili e ad altri sforzi per raggiungere i propri obiettivi ecologici. L'enorme consumo di energia dell'intelligenza artificiale non è sconosciuto al settore: a gennaio, la dichiarazione di Sam Altman era su tutti i media, in cui sottolineava che l'intelligenza artificiale avrà presto bisogno di innovazioni energetiche. 

Secondo in intelligenza artificiale e sostenibilità , gli LLM sono una tendenza di cui tutti stanno cercando di capire se sarà efficace, e lei prevede un aumento delle risorse di elaborazione e un maggiore consumo energetico. Tuttavia, alcuni esperti sostengono che sia necessario riflettere sul rapporto costi-benefici di questi modelli di grandi dimensioni. Affermano che l'impatto climatico dell'addestramento e della gestione di un modello di grandi dimensioni può essere giustificato se tale modello può essere utilizzato per avere un impatto ambientale positivo molto più ampio.