Quanta energia elettrica consuma l'intelligenza artificiale?

L’intelligenza artificiale è una tecnologia che richiede molta energia elettrica per funzionare. Tuttavia, non è facile quantificare esattamente il suo consumo energetico, in quanto dipende da diversi fattori, come il tipo di modello di apprendimento automatico, il processo di addestramento e l’applicazione finale. Inoltre, le grandi aziende tecnologiche come Meta o OpenAI non rivelano facilmente i dati relativi al consumo energetico e ai costi dell’AI, che è diventata un prodotto redditizio.

Nonostante queste difficoltà, alcuni esperti e ricercatori stanno cercando di stimare e ridurre l’impatto ambientale dell’AI, sia sul lato della produzione che su quello del consumo. Tra questi, c’è Judy Priest, direttore delle nuove tecnologie responsabile delle operazioni e dell’innovazione del cloud presso Microsoft, che ha dichiarato di investire nello sviluppo di metodologie per quantificare e rendere più efficienti i sistemi di IA.

L’addestramento dei modelli di intelligenza artificiale è il processo più dispendioso

Uno dei processi più intensivi dal punto di vista energetico, è l’addestramento dei modelli di machine learning, che consiste nel fornire grandi quantità di dati per insegnare loro a svolgere determinati compiti. Ad esempio, per addestrare un modello linguistico di grandi dimensioni come GPT-3, che può generare testi coerenti e vari, si stima che sia necessario consumare poco meno di 1.300 megawattora (MWh) di elettricità. Questa quantità di energia la stessa che serve per guardare Netflix per 1.625.000 ore.

Questo consumo potrebbe aumentare nel corso degli anni, man mano che le aziende tecnologiche presenteranno modelli sempre più potenti e complessi. Tuttavia, alcune aziende stanno trovando il modo di rendere l’addestramento dei modelli di AI meno dispendioso dal punto di vista energetico, ad esempio utilizzando tecniche di compressione, distillazione o trasferimento di apprendimento. Inoltre, il mondo sta diventando sempre più consapevole di questo consumo energetico, come spiega Sasha Luccioni, ricercatrice di Hugging Face.

Also, please don't get me started on the environmental impacts of this shiny new toy.
How much kWh of energy does each frame take? ⚡
How many hyperscale datacenters are running 24/7 just so we can generate some fancy b-roll? 🏭
What are their carbon emissions? 💨 https://t.co/nSeltdmhoI

— Sasha Luccioni, PhD 🦋🌎✨🤗 (@SashaMTL) February 16, 2024

Anche gli utenti finali consumano energia

Oltre all’energia necessaria per l’addestramento dei modelli, anche l’utilizzo dell’AI da parte degli utenti finali comporta un consumo energetico significativo seppur minore. Ogni operazione di un sistema di AI, come classificare un’immagine (0,002 kWh) o generarne una nuova (2,907 kWh), richiede energia.

Secondo alcuni studi, l’intelligenza artificiale ha una fame di energia quasi paragonabile alle criptovalute. Un rapporto dell’Agenzia Internazionale dell’Energia prevede che il consumo globale di elettricità da parte dell’AI potrebbe aumentare tra 85 e 134 TWh all’anno entro il 2027.

Come rendere l’intelligenza artificiale più efficiente dal punto di vista energetico?

Per ridurre l’impatto ambientale dell’AI, è necessario intervenire sia sul lato della produzione che su quello del consumo. Per quanto riguarda la produzione, le aziende tecnologiche dovrebbero fornire un’etichetta energetica per ogni strumento di intelligenza artificiale utilizzato, in modo da consentire ai consumatori di confrontare l’efficienza energetica dei modelli AI. Inoltre, le aziende dovrebbero investire nello sviluppo di metodologie per quantificare e ridurre il consumo energetico e le emissioni di anidride carbonica dell’IA, come sta facendo Microsoft.

Per quanto riguarda il consumo, gli utenti finali dovrebbero essere consapevoli dell’energia che usano quando utilizzano l’AI e cercare di limitarne l’uso a ciò che è strettamente necessario. Dovrebbero anche preferire gli strumenti che sono più efficienti dal punto di vista energetico e che utilizzano fonti di energia rinnovabili.

Più in generale, le aziende, i ricercatori e i responsabili politici devono dare priorità allo sviluppo di un’AI efficiente dal punto di vista energetico man mano che la tecnologia avanza, in modo da garantire un equilibrio tra innovazione e sostenibilità.