L’intelligenza artificiale può essere sostenibile per l’ambiente?

Il tema del rapporto tra intelligenza artificiale e sostenibilità ambientale è orientato su due assunti, che possiamo considerare oggettivi. Da un lato i sistemi di intelligenza artificiale inquinano e da un punto di vista della classificazione di consumo sono intrinsecamente sistemi energivori. Ciò non solo come i sistemi computazionali classici, ovvero in fase di elaborazione e di restituzione del risultato, ma in aggiunta – fase anche più energivora – in fase di addestramento e apprendimento. Dall’altro lato uno dei “requisiti fondamentali” per una AI “affidabile” (trustworthy) previsto dall’AI Act è proprio il benessere sociale e ambientale.
Per approfondimenti si consiglia il volume “Il Regolamento Europeo sull’Intelligenza Artificiale -Commento al Reg. UE n. 1689/2024” un primo strumento organico approfondito ed esaustivo per mettere a fuoco l’oggetto delle questioni e la soluzione alle stesse come poste dalla normativaeurounionale, dallo stato dell’arte tecnico e giuridico alle problematiche in campo

1. Intelligenza artificiale e ambiente: la previsione normativa

L’AI Act, di prossima pubblicazione in Gazzetta ufficiale UE e che diventerà applicabile per fasi fa espresso riferimento alla sostenibilità ambientale ed energetica, e ne sottolinea l’importanza in diversi punti.
“Con “benessere sociale e ambientale” si intende che i sistemi di IA sono sviluppati e utilizzati in modo sostenibile e rispettoso dell’ambiente e in modo da apportare benefici a tutti gli esseri umani, monitorando e valutando gli impatti a lungo termine sull’individuo, sulla società e sulla democrazia. L’applicazione di tali principi dovrebbe essere tradotta, ove possibile, nella progettazione e nell’utilizzo di modelli di IA. Essi dovrebbero in ogni caso fungere da base per l’elaborazione di codici di condotta a norma del presente regolamento. Tutti i portatori di interessi, compresi l’industria, il mondo accademico, la società civile e le organizzazioni di normazione, sono incoraggiati a tenere conto, se del caso, dei principi etici per lo sviluppo delle migliori pratiche e norme volontarie”;
 “I fornitori e, se del caso, i deployer di tutti i sistemi di IA, ad alto rischio o meno, e modelli di IA dovrebbero inoltre essere incoraggiati ad applicare su base volontaria requisiti supplementari relativi, ad esempio, agli elementi degli orientamenti etici dell’Unione per un’IA affidabile, alla sostenibilità ambientale…”. Per approfondimenti si consiglia il volume “Il Regolamento Europeo sull’Intelligenza Artificiale -Commento al Reg. UE n. 1689/2024” un primo strumento organico approfondito ed esaustivo per mettere a fuoco l’oggetto delle questioni e la soluzione alle stesse come poste dalla normativaeurounionale, dallo stato dell’arte tecnico e giuridico alle problematiche in campo

2. Cosa dice la AI generativa di se stessa

Alla domanda “Ti consideri un sistema green e sostenibile?”, ChatGPT ha risposto: “Come intelligenza artificiale, non ho un impatto ambientale diretto, ma il consumo energetico dei data center che mi ospitano può essere significativo. Tuttavia, molte aziende tecnologiche stanno adottando pratiche più sostenibili, come l’uso di energia rinnovabile, l’ottimizzazione dell’efficienza energetica e la riduzione delle emissioni di carbonio. Quindi, il mio impatto ambientale dipende in gran parte dalle pratiche ecologiche adottate dai provider di cloud computing e data center che mi ospitano”.
Alla domanda “Pensi che i tool di intelligenza artificiale siano sistemi energivori?” ChatGPT ha risposto: “Sì, i tool di intelligenza artificiale possono essere energivori, specialmente durante la fase di addestramento dei modelli, che richiede risorse computazionali significative. L’addestramento di grandi modelli di machine learning richiede l’uso di potenti GPU e altri hardware specializzati, che consumano molta energia. Anche l’inferenza, cioè l’uso dei modelli addestrati per fare previsioni o generare risposte, può essere dispendiosa dal punto di vista energetico, sebbene in misura minore rispetto all’addestramento. Le aziende stanno lavorando per migliorare l’efficienza energetica dei loro modelli di intelligenza artificiale, utilizzando tecniche come la quantizzazione, la potatura e l’uso di hardware più efficiente dal punto di vista energetico. Inoltre, molti stanno passando a fonti di energia rinnovabile per alimentare i loro data center, cercando di ridurre l’impatto ambientale complessivo”.

3. L’impatto energetico dei sistemi di AI

Ogni interazione online si basa su dati archiviati in data center, che consumano energia per funzionare. Secondo i dati della International Energy Agency, i data center consumano attualmente tra l’1 e l’1,5% dell’elettricità globale.
Questa percentuale potrebbe aumentare con il boom della AI: i modelli linguistici di grandi dimensioni (gli LLM: i modelli linguistici su cui si basano le soluzioni di AI generativa) vengono addestrati con insiemi di dati testuali sempre più grandi e ciò richiede l’uso di server sempre più potenti.
Il processo di addestramento dei modelli di intelligenza artificiale è il primo fattore di impatto energetico e comporta l’immissione di grandi quantità di dati negli “algoritmi”, che imparano a riconoscere modelli, a fare previsioni o a svolgere altri compiti. L’addestramento di tali modelli richiede in genere enormi risorse di calcolo, spesso sotto forma di cluster di calcolo ad alte prestazioni o di hardware specializzato come le unità di elaborazione grafica (GPU) o le unità di elaborazione tensoriale (TPU).
I modelli di “apprendimento profondo” (deep learning) hanno una particolare necessità di potenza di calcolo: secondo ricerche concordanti l’addestramento di un singolo modello su larga scala può consumare energia equivalente al consumo di cinque automobili. Man mano che le applicazioni di AI diventano più complesse e ad alta intensità di dati, la domanda di energia è destinata ad aumentare ulteriormente.
Le applicazioni di AI utilizzate, come quelle che alimentano i motori di raccomandazione, i veicoli autonomi o le infrastrutture intelligenti, richiedono una potenza di calcolo continua per elaborare i dati e prendere decisioni in tempo reale. Sebbene il consumo energetico delle singole applicazioni di AI possa sembrare modesto, l’effetto cumulativo su milioni di dispositivi e server in tutto il mondo può essere significativo.
Inoltre, si prevede un aumento della domanda di energia dei sistemi alimentati dall’AI man mano che questa viene incorporata nei dispositivi e nelle infrastrutture di tutti i giorni attraverso l’Internet delle cose (IoT).
A quanto detto va almeno dato un accenno al consumo d’acqua che la AI richiede: nel 2021 si è stimato che un data center medio, di una delle aziende che “fanno AI”, abbia consumato 2 milioni di litri d’acqua al giorno, circa la stessa quantità che servirebbe per produrre 160 paia di jeans, compresa la coltivazione del cotone necessario (dati da ricerca Riverside dell’Università della California).

4. Una questione di bilanciamento

Conciliare innovazione e sostenibilità ambientale è un tema classico, non certo nuovo e specifico per l’AI. Semmai oggi una rinnovata attenzione all’ambiente sposta l’attenzione da un tema meramente economico ad un ambito ecologico (largamente inteso) e condiviso nelle scelte decisionali. Questa conciliazione richiede uno sforzo collettivo per sviluppare e distribuire le tecnologie di AI in modo da ridurre al minimo la carbon footprint e massimizzarne il contributo positivo alla società.
Inoltre, affrontare le implicazioni energetiche dell’AI non è solo una questione ambientale, ma anche una questione di equità e di accesso: sistemi di AI ad alta intensità energetica aumentano il divario nell’allocazione delle risorse e nell’accesso alla tecnologia, in particolare nelle regioni con infrastrutture energetiche limitate o costi energetici elevati. Garantire un accesso equo a soluzioni di AI efficienti dal punto di vista energetico è essenziale per promuovere una crescita inclusiva e ridurre le disuguaglianze socioeconomiche.
Accogliendo l’innovazione, promuovendo la collaborazione e adottando un approccio più integrato alla gestione dell’energia, sarebbe possibile sia sfruttare la potenza dell’AI sia proteggere il nostro pianeta per le generazioni future.
Se da un punto di vista tecnologico qualcuno ha proposto un uso maggiore di AI ibrida (che consuma meno), questa può certamente essere una soluzione intermedia, o limitata ad alcune soluzioni, soprattutto in considerazione della crescita esponenziale prevista per le tecnologie a base di IA.
Certamente appare necessaria un’azione concertata e una gestione responsabile delle migliori tecnologie “green”, almeno per quanto concerne il fabbisogno di base.
L’uso (virtuoso) di particolari applicazioni di AI (ad esempio, nella gestione e razionalizzazione proprio delle risorse energetiche e ambientali) potrebbe inoltre fornire molte delle soluzioni al tema critico della sostenibilità di questa tecnologia.
Ma non possiamo prescindere dal considerare che l’Ai ha un costo, soprattutto energetico, molto rilevante, e destinato ad una crescita esponenziale, per altro doppio; da un lato di energia elettrica di funzionamento, dall’altra di energia e risorse (come l’acqua) per il raffreddamento dei sistemi.
La corsa avviata nello sviluppo di AI senza tener conto di questi costi è stata alimentata dalla necessità strategica di essere tra i primi e di sviluppare al meglio tali tecnologie. Ciò non toglie che nel momento attuale di riflessione, anche il termine di impatto energetico-ambientale e non solo di supremazia tecnologica e geopolitica, deve essere un elemento di cui tenere conto.
Un tema molto simile al dibattito dell’era nucleare, in termini di necessario bilanciamento tra rischi, ambiente, risorse energetiche, modello di sviluppo, e supremazia tecnologica e potenza geopolitica.
Un dibattito che non è escluso possa portare anche a una serena razionalizzazione, a riconsiderare cioè un uso dell’IA dove effettivamente utile e necessario e ad “impatto positivo”, e limitare invece tale uso in tutti quei casi in cui appare davvero superfluo, o comunque a “impatto negativo” come tanti sistemi IoT.
Appare evidente infatti che tale diffusione è necessaria per ragioni di marketing, di moda, e soprattutto di raccolta dati per il machine testing e machine learning, ma difficilmente porta benefici tali che possano giustificarne i costi energetici e ambientali collettivi.