L’intelligenza artificiale può portare grandi benefici nella lotta al cambiamento climatico ma nel breve termine, come mostrano i numeri dei grandi player del settore, occorre tenere sotto controllo il suo impatto ambientale.
Negli ultimi anni, l’intelligenza artificiale (IA) ha trasformato numerosi settori, dalla sanità alla finanza, fino alla tecnologia. Tuttavia, il crescente utilizzo di potenti modelli di machine learning ha sollevato preoccupazioni riguardo al loro impatto ambientale. Preoccupazioni che sembrano trovare conferma nei numeri di alcuni grandi player del settore, come racconta Akshat Rathi dell’agenzia Bloomberg nella newsletter “Green Daily“.
Google e Microsoft, riporta Rathi, stanno facendo i conti con un incremento sostanzioso dei consumi di energia e di conseguenza delle emissioni di anidride carbonica in atmosfera. Dal 2020 al 2023 Microsoft ha registrato un incremento di emissioni dannose del 30%; dal 2019 al 2023 Google ha registrato un aumento del 48% di emissioni ed un raddoppio nei consumi di energia. Inutile dire che non è una coincidenza che questi aumenti si siano verificati di pari passo allo sviluppo dei data center dedicati alle applicazioni AI.
L’addestramento di modelli di deep learning richiede enormi risorse computazionali. Secondo lo studio “Energy and Policy Considerations for Deep Learning in NLP” di Strubell et al., l’addestramento di modelli avanzati come BERT può consumare tanta energia quanto quella utilizzata da un cittadino medio statunitense in un anno. Questo elevato consumo energetico si traduce in significative emissioni di CO2, contribuendo all’impronta di carbonio del settore tecnologico.
Le emissioni di carbonio derivanti dall’addestramento e dall’esecuzione di modelli di machine learning sono considerevoli. Un articolo di Karen Hao, “The Carbon Footprint of Machine Learning”, sottolinea che le emissioni derivanti dall’addestramento di un singolo modello possono essere equivalenti a quelle di cinque automobili a benzina durante il loro ciclo di vita. Queste emissioni provengono non solo dall’energia consumata durante l’addestramento, ma anche dall’energia necessaria per raffreddare i data center che ospitano queste potenti GPU.
Per mitigare l’impatto ambientale dell’IA, sono necessarie strategie mirate. Gli esperti suggeriscono diverse soluzioni, tra cui:
- Ottimizzazione degli Algoritmi: Migliorare l’efficienza degli algoritmi di machine learning per ridurre il consumo energetico.
- Utilizzo di Energie Rinnovabili: Alimentare i data center con energie rinnovabili per diminuire le emissioni di CO2.
- Hardware Efficiente: Sviluppare e utilizzare hardware più efficiente dal punto di vista energetico.
Prasanna Balaprakash, nel suo articolo “The Hidden Costs of AI: Energy Consumption and Environmental Impact”, evidenzia l’importanza di adottare queste strategie per rendere l’IA più sostenibile.
Nonostante il suo impatto ambientale, l’IA può svolgere un ruolo cruciale nella lotta ai cambiamenti climatici. Il paper “Tackling Climate Change with Machine Learning” di David Rolnick et al. discute come l’IA può essere utilizzata per:
- Modellazione Predittiva: Prevedere e monitorare i cambiamenti climatici.
- Ottimizzazione Energetica: Migliorare l’efficienza energetica nelle reti elettriche.
- Monitoraggio Ambientale: Raccogliere e analizzare dati ambientali per prendere decisioni informate.
Queste applicazioni dimostrano che, se utilizzata in modo responsabile, l’IA può essere uno strumento potente nella lotta contro il cambiamento climatico.
Foto di Tom
