Qual è l’impatto ambientale delle IA? | I numeri fanno impallidire anche il trasporto aereo

Impatto ambientale delle ai immagine generata da firefly

L’Intelligenza Artificiale è ormai ovunque: dagli hobby al lavoro, non c’è campo della nostra vita che non sia toccato dall’IA, e non c’è attività che non possa beneficiare del sostegno dell’IA. Ma non è tutto rose e fiori, qual è l’impatto che usare le IA comporta sull’ambiente?

Quanto conviene l’IA per l’ambiente?

In un articolo sulla rivista Joule, Alex de Vries, studente di dottorato presso la Vrije Universiteit di Amsterdam e autore dello studio in questione, dichiara che “data la crescente domanda di servizi IA, è molto probabile che il consumo energetico legato all’IA aumenterà significativamente nei prossimi anni”.

In realtà non è la prima volta che qualcuno si interessa all’impatto energetico e ambientale delle IA: Queste consumano moltissima energia per il processo di addestramento, che diventa sempre più dispendioso man mano che i modelli IA e i set di dati diventano sempre più grandi; ma anche per il semplice mantenimento online. Ad esempio, l’azienda Hugging Face, dichiara che il suo modello IA proprietario per la generazione testuale ha richiesto circa 433 MWh per l’addestramento, ChatGPT stima che il proprio modello invece richieda circa 564 MWh al giorno per funzionare.

Secondo i ricercatori di OpenAI, il potere computazionale richiesto per addestrare un’IA sarebbe raddoppiato ogni 3.4 mesi a partire dal 2012. Secondo questa proiezione, ci si dovrebbe aspettare che entro il 2040 il settore delle cosiddette Information and Comunication Technologies, per intenderci tutto il settore Informatica e Comunicazione”, costituisca ben il 14% delle emissioni di CO2 globali, e tra questo 14% la maggior parte sarebbe generata proprio dai processi di addestramento IA.

Recentemente, uno studio del famosissimo MIT, Massachusetts Institute of Technology, ha determinato quanta energia venga utilizzata per l’addestramento dei modelli IA più grandi e popolari. Secondo i risultati, addestrare un’IA arriva a produrre circa 284 mila kg di CO2, 626.000 libbre nello studio originale; circa 300 volte le emissioni che un volo andate e ritorno tra New York e San Francisco.

Problemi e Soluzioni

Altri grandi problemi per la sostenibilità del mondo IA sono sicuramente la gestione dei cosiddetti “e-waste”, i rifiuti tecnologici, e l’etica di utilizzare le IA in contesti ambientalmente sensibili.

Spesso, i rifiuti derivanti dal mondo della tecnologia contengono metalli pesanti come piombo, mercurio e cadmio, conosciuti per contaminare il terreno e le falde acquifere, risultando dunque un annoso problema se lasciati nelle classiche discariche a cielo aperto.

Il World Economic Forum, o WEF, proietta che l’ammontare di rifiuti elettronici generati entro il 2050 supererà i 120 milioni di tonnellate. Per evitare i danni ambientali e minimizzare gli effetti nocivi dei rifiuti, bisognerebbe dunque prestare particolare attenzione alla gestione e al riciclo dei rifiuti tecnologici.
Implementare le IA nell’agricoltura, ad esempio, potrebbe portare ad un utilizzo sovrastimato di pesticidi e fertilizzanti, che aumentano la tossicità del terreno e abbattono la biodiversità. Utilizzarle per automatizzare la gestione ambientale potrebbe portare ad ulteriori problemi, temendo che le IA agiscano con poca lungimiranza nell’ottica di un guadagno a breve termine.

Cosa può cambiare?

Il mondo dello sviluppo delle IA per ora si basa su una mancanza quasi totale di trasparenza e responsabilità per quanto riguarda gli impatti ambientali; alcune compagnie preferiscono infatti nascondere i dati sull’impatto ambientale negativo, preferendo mantenere la competitività contro i competitor. Gli utilizzatori interessati a questi dati poi sono ostacolati non solo dalla complessità dei modelli IA, ma anche dai metodi di “istruzione” delle IA che vengono tenuti segreti.
Sicuramente, è necessario che cresca una culturadiresponsabilità da parte dei proprietari dei modelli IA: Utilizzare hardware efficiente dal punto di vista energetico, ottimizzare gli algoritmi affinché non sprechino energia; in generale maggiore trasparenza riguardo agli impatti. Potrebbe essere necessaria anche una maggiore regolamentazione nazionale e internazionale, in modo che questa crescita esponenziale dei consumi possa essere accompagnata da una direzione più lungimirante.