L'AI ha un costo nascosto: nel 2022 l'1,5% dell'elettricità globale
Dietro l'apparenza digitale, l'intelligenza artificiale si basa su un'infrastruttura fisica che divora risorse. I data center, essenziali per l'AI, hanno consumato fino all'1,5% dell'elettricità mondiale nel 2022, un costo ambientale spesso ignorato.
L’AI è spesso percepita come un concetto puramente digitale. Tuttavia, si basa su un’infrastruttura fisica consistente. Questa infrastruttura consuma energia e risorse ingenti. Un tale impiego di risorse comporta costi ambientali, spesso invisibili agli utenti.
1. La realtà fisica dell’AI
Nel 2022, si stima che i data center globali abbiano consumato 240-340 terawattora di elettricità. Ciò rappresenta circa l’1-1,5% del totale mondiale. Le operazioni di AI incrementano ulteriormente questi numeri. Utilizziamo l’AI tramite app o assistenti vocali. Questi strumenti richiedono hardware potente.
La tua app per smartphone non gira solo sul tuo telefono. Si connette a una gigantesca server farm. Queste server farm, chiamate data center, sono magazzini pieni di computer. Elaborano e archiviano tutte le informazioni digitali che alimentano i sistemi di AI.
Questi data center si trovano in tutto il mondo, dagli Stati Uniti all’Irlanda e a Singapore. Aziende come Google, Microsoft e Amazon ne gestiscono migliaia. Contengono i chip e i server speciali che eseguono complessi calcoli di AI. L’addestramento di un modello di AI richiede un’enorme potenza di elaborazione e tempo.
Un modello, come un large language model (LLM), deve essere addestrato su enormi set di dati. Questo apprendimento è chiamato training. Significa elaborare vaste quantità di dati per settimane o mesi. Questo lavoro costante produce molto calore, richiedendo grandi sistemi di raffreddamento.
2. La fame di energia e acqua dell’AI
Il training di un singolo grande modello di AI può generare emissioni di carbonio pari a quelle di cinque auto nel corso della loro vita. Questo è quanto emerso da uno studio del 2019 di Emma Strubell e del suo team presso l’Università del Massachusetts Amherst. Hanno esaminato il costo energetico del training di comuni grandi modelli di AI. Lo studio ha evidenziato l’impatto ambientale dello sviluppo dell’AI.
Consumo energetico: I modelli di AI, specialmente per il deep learning, consumano ingenti quantitativi di energia. Il training di GPT-3, ad esempio, si stima abbia consumato 1.287 megawattora di elettricità. Questa energia ha generato 552 tonnellate metriche di anidride carbonica equivalente, secondo un documento di OpenAI del 2020. Questa cifra non include l’energia per la ricerca e lo sviluppo prima della fase finale di training.
Consumo idrico: I data center consumano anche notevoli quantità di acqua. La usano per raffreddare i server che si surriscaldano. I data center di Google, ad esempio, hanno consumato circa 21,2 miliardi di litri (5,6 miliardi di galloni) di acqua nel 2021, come mostrato dal loro Rapporto Ambientale del 2022. Gran parte di quest’acqua raffredda direttamente i server.
I data center massicci, come questo, sono la spina dorsale fisica dei sistemi di AI. Questi 'magazzini pieni di computer' consumano enormi quantità di elettricità e acqua, con i soli data center di Google che hanno consumato circa 21,2 miliardi di litri (5,6 miliardi di galloni) di acqua nel 2021 per il raffreddamento. (Fonte: serverfarmllc.com)
I server richiedono un raffreddamento costante per prevenire guasti e garantire la continuità operativa. Nelle aree aride, questa domanda di acqua mette a dura prova gli ecosistemi locali. Ad esempio, il data center di Google a The Dalles, Oregon, ha prelevato circa 1,36 miliardi di litri (359 milioni di galloni) di acqua nel 2021. Ciò ha messo a dura prova le risorse idriche locali durante la siccità.
Minerali rari e rifiuti elettronici: L’hardware di AI necessita di materiali specifici. Questi includono elementi delle terre rare e metalli come cobalto, litio e oro. L’estrazione di questi materiali spesso danneggia l’ambiente. Può causare deforestazione, inquinamento idrico e danni al suolo.
Una volta che l’hardware di AI smette di funzionare, diventa rifiuto elettronico. Si tratta di vecchi server, chip e unità di raffreddamento. Il Programma delle Nazioni Unite per l’ambiente (UNEP) ha riferito nel 2023 che i rifiuti elettronici globali crescono rapidamente. Gran parte di questi rifiuti contiene sostanze chimiche tossiche. Lo smaltimento inadeguato dei rifiuti elettronici spesso danneggia le persone e l’ambiente nei paesi più poveri.
3. Equità: AI, giustizia e responsabilità
Il costo ambientale dello sviluppo dell’AI colpisce spesso più duramente le comunità vulnerabili. Ad esempio, la Repubblica Democratica del Congo fornisce oltre il 70% del cobalto mondiale. Questo metallo è fondamentale nell’hardware di AI e nelle batterie. L’estrazione mineraria in quel paese spesso comporta lavori pericolosi e lavoro minorile, come riportato da Amnesty International nel 2023. I danni delle miniere avvelenano anche l’acqua e la terra locali.
L’enorme consumo energetico dell’AI produce emissioni di carbonio. Queste emissioni accelerano il cambiamento climatico per tutti. Il cambiamento climatico colpisce in modo sproporzionato le comunità che già affrontano sfide sociali ed economiche. Spesso mancano loro i mezzi per affrontare eventi meteorologici estremi o l’innalzamento del livello del mare.
Assegnare la responsabilità per il danno ambientale dell’AI è complesso. Le principali aziende tecnologiche che costruiscono modelli di AI sono in gran parte responsabili. Tuttavia, anche governi, ricercatori e persino utenti contribuiscono. Alcune aziende praticano il “greenwashing”, con grandi affermazioni sui loro sforzi ecologici. Questo nasconde il loro vero impatto.
L’Agenzia Internazionale dell’Energia (IEA) ha osservato nel suo World Energy Outlook del 2022 che la domanda digitale di energia è in crescita. I data center, inclusi quelli che alimentano l’AI, sono una delle ragioni principali. Questa crescente domanda significa che i giganti della tecnologia devono rendicontare in modo trasparente e ridurre le emissioni.
4. Un percorso più verde: soluzioni per l’AI
Nel 2021, Google ha dichiarato di voler alimentarsi con energia a zero emissioni di carbonio 24 ore su 24, 7 giorni su 7, entro il 2030. Questo è un passo verso un’AI più verde. Molte aziende riconoscono i problemi ambientali e cercano risposte. Affrontare queste questioni richiede nuove idee, regolamentazioni e un cambiamento di prospettiva.
La Repubblica Democratica del Congo fornisce oltre il 70% del cobalto mondiale, un metallo critico per l'hardware e le batterie di AI. Le operazioni minerarie in quel paese spesso comportano condizioni pericolose e lavoro minorile, portando a gravi preoccupazioni ambientali e sui diritti umani. (Fonte: ilo.org)
Algoritmi più intelligenti: I ricercatori stanno rendendo i modelli di AI più efficienti. Questi metodi di “Green AI” ottengono risultati simili con meno potenza di calcolo. Invece di addestrare un unico enorme modello, gli scienziati sperimentano tecniche come la compressione del modello e il training sparso. Queste tecniche riducono l’energia necessaria per l’AI.
Energia rinnovabile per i data center: Sono in corso sforzi per alimentare i data center con energia pulita. Microsoft e Amazon si impegnano anche ad acquistare energia rinnovabile. Investono in parchi solari ed eolici per compensare il loro consumo energetico. Questo aiuta a ridurre l’impronta di carbonio dell’AI.
Hardware migliore: Il design dei chip è importante. Graphics Processing Units (GPU) più efficienti e acceleratori AI speciali possono ridurre drasticamente il fabbisogno energetico. Un raffreddamento migliore consuma anche meno acqua. I ricercatori stanno esaminando il raffreddamento a liquido, che offre prestazioni superiori rispetto ai tradizionali sistemi di raffreddamento ad aria.
Regole e politiche: I governi stanno iniziando ad affrontare l’impatto ambientale dell’AI con leggi. L’AI Act dell’Unione Europea, ad esempio, considera gli aspetti ambientali. Tali regole possono richiedere una chiara rendicontazione sul consumo energetico dell’AI. Possono anche spingere per tecnologie AI più verdi. Queste politiche rendono gli sviluppatori responsabili del loro impatto ambientale.
Consapevolezza degli utenti: Anche gli utenti hanno un ruolo. Chiedere alle aziende tecnologiche trasparenza sul loro impatto ambientale può stimolare il cambiamento. Sostenere le aziende sostenibili aiuta ad accelerare il passaggio a un’AI più verde. Un futuro sostenibile per l’AI richiede un’azione collettiva e attenzione all’ambiente.
Domande frequenti
D1: Tutta l’AI è dannosa per l’ambiente? No, non tutta l’AI è dannosa. L’AI può anche aiutare a risolvere problemi ambientali. Può migliorare il funzionamento delle reti energetiche o prevedere i modelli climatici. La preoccupazione risiede nella quantità di risorse necessarie per costruire e far funzionare alcuni grandi modelli di AI.
D2: Qual è il maggiore impatto ambientale dell’AI? Il maggiore impatto al momento deriva dall’enorme consumo energetico dei data center, specialmente per il training e il funzionamento di grandi modelli di AI. Questo consumo energetico genera molte emissioni di carbonio e richiede tonnellate di acqua per il raffreddamento.
D3: Cosa posso fare riguardo all’impatto ambientale dell’AI? Puoi sostenere le aziende che si preoccupano dell’ambiente e chiedere alle aziende tecnologiche rapporti chiari. Puoi anche promuovere politiche che incoraggiano l’AI verde e una gestione intelligente delle risorse.
Le Graphics Processing Units (GPU) ad alte prestazioni sono i cavalli di battaglia dell'AI moderna, consentendo calcoli complessi ma consumando anche una quantità significativa di energia. Sviluppare design di GPU più efficienti è una strategia chiave per ridurre l'impronta di carbonio complessiva dell'AI. (Fonte: intuitionlabs.ai)
Potrebbe interessarti anche:
👉 Understanding Energy Independence: Security, Economy, Future
👉 L’IA è già qui: per i giovani, oltre le promesse, i rischi concreti di app e social
👉 Venere: perché l’inferno a 475°C ci svela il futuro climatico della Terra
