MIT News discute l'impatto ambientale dell'AI generativa in una serie in due parti. Questo articolo esamina l'elevato consumo di risorse della tecnologia, mentre il prossimo si concentrerà su strategie per ridurre la sua impronta di carbonio. L'AI generativa promette vari vantaggi, come il miglioramento della produttività e l'avanzamento della ricerca, ma la sua rapida crescita porta a preoccupazioni ambientali significative che sono difficili da quantificare o mitigare. L'addestramento di modelli con miliardi di parametri, come il GPT-4 di OpenAI, richiede un'immensa potenza computazionale, con un conseguente elevato consumo di elettricità e un aumento delle emissioni di carbonio. Oltre all'elettricità, sono necessarie rilevanti risorse idriche per il raffreddamento dell'hardware di addestramento e distribuzione, il che può mettere a dura prova le forniture locali d'acqua e compromettere gli ecosistemi. L'aumento delle applicazioni di AI generativa solleva anche la domanda di hardware di calcolo avanzato, aggiungendo ulteriori pressioni ambientali dalla sua produzione e trasporto. Elsa A. Olivetti, docente al MIT, sottolinea che l'impatto ambientale si estende oltre l'uso di elettricità, portando a conseguenze sistemiche più ampie. I centri dati, critici per l'hosting di modelli di AI generativa, contribuiscono in modo significativo ai problemi ambientali. Questi centri richiedono una quantità enorme di energia per le loro operazioni.

Ad esempio, un singolo centro dati può ospitare circa 50. 000 server, e la crescente domanda di centri dati ha portato a una rapida costruzione, superando di gran lunga le pratiche sostenibili. Le previsioni suggeriscono che entro il 2026 il consumo di elettricità dei centri dati globali potrebbe raggiungere 1. 050 terawatt. L'addestramento di grandi modelli AI, come il GPT-3, ha elevate necessità energetiche, con studi che stimano un alto uso di elettricità e sostanziali emissioni di carbonio. Inoltre, le richieste energetiche non solo persistono durante l'addestramento, ma anche durante l'uso in tempo reale, come evidenzia il fatto che ogni interazione con l'AI generativa consuma molta più elettricità rispetto alle tradizionali ricerche web. Le tendenze attuali suggeriscono che i futuri modelli di AI generativa richiederanno ancora più energia, con cicli di vita più brevi che portano a frequenti rilascio di nuovi modelli. Questo ciclo comporta uno spreco dell'energia spesa per le versioni precedenti. Il consumo d'acqua dei centri dati pone anche sfide ambientali significative, poiché è necessario un ingente raffreddamento dell'acqua, impattando la biodiversità locale. I costi ambientali associati alla produzione dell'hardware informatico stesso—dai GPU ai CPU—sono consistenti a causa dei complessi processi di fabbricazione e dei metodi di estrazione delle risorse. Nonostante la traiettoria insostenibile, gli autori propongono che lo sviluppo responsabile dell'AI generativa richiede una valutazione approfondita dei suoi costi ambientali e sociali accanto ai benefici percepiti. Olivetti enfatizza la necessità di una comprensione contestuale per misurare e comprendere questi scambi in evoluzione.