Lo scorso maggio Google ha introdotto il servizio AI Overviews, capace di rispondere automaticamente alle domande degli utenti grazie all’intelligenza artificiale generativa. All’epoca il principale argomento di discussione erano i bizzarri errori commessi dalle IA – Google consigliava di aggiungere la colla alla pizza per renderla più filante, ad esempio – una delle tante manifestazioni delle cosiddette “allucinazioni” tipiche di questi strumenti. Ma c’è un altro aspetto preoccupante di un settore che ormai da anni è in continua crescita: il consumo energetico necessario al loro funzionamento.
Secondo uno studio del ricercatore Alex de Vries, infatti, ogni volta che Google genera una risposta con AI Overviews consuma circa tre wattora, una quantità di energia pari a quella necessaria per una telefonata di un’ora (da un telefono fisso) o dieci volte superiore a quella necessaria per una ricerca Google tradizionale.
L’AI generativa, però, non consuma solo quando viene utilizzata dagli utenti. Alla base di queste tecnologie ci sono infatti i grandi modelli linguistici (anche detti LLM), un tipo di intelligenza artificiale che sfrutta reti neurali profonde per apprendere da grandi quantità di documenti di vario tipo come generare testi, immagini e video. Questa fase di training degli LLM è costosa anche in termini energetici: secondo il sito Il limiteinfatti, per “addestrare” GPT-3 (un modello linguistico di OpenAI che nel frattempo è stato sostituito da GPT-4) sono stati consumati poco meno di 1300 megawattora di elettricità, «più o meno quanto consumano annualmente 130 case americane» (o l’energia necessaria per guardare Netflix per 1,625 milioni di ore).
Questi modelli linguistici sono in grado di produrre vari tipi di contenuti e la generazione di testi è l’applicazione che richiede meno energia. Secondo uno studio condotto dai ricercatori della società di intelligenza artificiale Hugging Face e della Carnegie Mellon University, la produzione di immagini e – soprattutto – video consuma ancora più energia. Secondo i loro calcoli, in media, la generazione di una singola immagine da parte dell’intelligenza artificiale consuma abbastanza energia per caricare uno smartphone.
Le conseguenze di tutto questo cominciano a farsi sentire nelle reti elettriche di alcuni Paesi, che devono gestire un aumento significativo della domanda da parte delle aziende tecnologiche. In particolare in Virginia, negli Stati Uniti, dove hanno sede decine di centri di elaborazione dati (chiamati anche data center), elementi essenziali dell’infrastruttura della rete internet. La Virginia ha uno stretto rapporto con il settore (qui è nato nel 1969 ARPANET, progetto militare da cui è nata internet) e ancora oggi vi operano le principali aziende di cloud computing, come Amazon Web Services, Google Cloud e Microsoft Azure. Tuttavia, il numero di data center è aumentato negli ultimi anni tanto che oggi il settore assorbe un quinto dell’energia consumata dallo Stato, come riporta la rivista giacobino.
In particolare, Bloomberg ha raccontato il caso di DataBank, un’azienda che costruisce e gestisce centri di elaborazione dati. L’aumento dei consumi energetici registrato dall’azienda è stato immediato e notevole: «Questo è il problema dell’intelligenza artificiale» ha spiegato James Mathes, responsabile di DataBank, «ha bisogno di molta energia, e appena ce l’abbiamo ne hai bisogno subito».
– Leggi anche: Dobbiamo capire cos’è l’“intelligenza artificiale”.
Questi tipi di picchi di domanda non sono un’esclusiva della Virginia: la crescita della domanda di data center sta superando l’offerta in molte parti del mondo, facendo aumentare i prezzi e il rischio di blackout. In Svezia, la domanda di data center è destinata a raddoppiare da qui alla fine di questo decennio, per poi raddoppiare di nuovo entro il 2040; nel Regno Unito, si prevede che crescerà del 500% entro il 2030; e negli Stati Uniti, il settore è destinato a rappresentare l’8% del consumo totale entro il 2030, rispetto al 3% del 2022. Questo è “il tipo di aumento della domanda di elettricità che non si vedeva da una generazione”, ha affermato Goldman Sachs.
John Ketchum, CEO di NextEra Energy, che produce energia solare ed eolica, ritiene che l’intelligenza artificiale sia senza dubbio alla base di questo picco della domanda, ha detto Bloomberg. In particolare, alcune delle sue applicazioni, tra cui i processi di inferenza, con cui i modelli linguistici traggono conclusioni da nuovi dati (e quindi assenti dal materiale di formazione iniziale). Già oggi, i data center consumano più energia complessivamente della maggior parte dei paesi, tra cui l’Italia: solo 16 nazioni, tra cui Cina e Stati Uniti, ne consumano di più.
Tutto ciò rappresenta un problema per il settore dell’AI, che sta già facendo i conti con i primi scetticismi riguardo le reali applicazioni di queste tecnologie e dovrà fare i conti anche con il loro impatto economico, energetico e ambientale. Anche perché la domanda di energia rischia di annullare i tanti progressi compiuti dal settore negli ultimi anni, in cui ha cercato di rendere più sostenibile il funzionamento dei data center. Google, ad esempio, prevede di alimentare completamente i propri centri di calcolo con energia proveniente da fonti rinnovabili entro il 2030: lo sviluppo di servizi come AI Overviews rischia di rendere più difficile il raggiungimento di questi obiettivi.
Il settore è inoltre sempre più caratterizzato da aziende più piccole e meno conosciute, spesso nate sulla scia del successo dell’intelligenza artificiale generativa, che si stanno rivelando molto spregiudicate riguardo alla fonte energetica che utilizzano. Washington Post ha raccontato della rete di circa 2.700 data center che operano solo negli Stati Uniti e in molti casi sono di proprietà di aziende più piccole che hanno un approccio “agnostico” alla sostenibilità, acquistando anche energia da combustibili fossili. Le aziende tecnologiche hanno promesso che “l’energia pulita sarebbe una risorsa magica e infinita”, ha commentato Tamara Kneese, direttrice dell’organizzazione no-profit Data & Society, mentre in realtà “le centrali a carbone si stanno rivitalizzando grazie al boom dell’intelligenza artificiale”.
Ogni volta che un data center entra in funzione, le aziende tecnologiche affermano di acquistare energia eolica, solare o geotermica per compensare le sue emissioni. Come ha spiegato Washington Posttuttavia, alcuni critici paragonano questi annunci al gioco dei tre bicchieri, perché “le aziende operano sulla stessa rete elettrica di tutti gli altri, sottraendo gran parte della quantità limitata di energia pulita”. Un processo che costringe le aziende energetiche ad acquistare energia da combustibili fossili per soddisfare la domanda collettiva.
– Leggi anche: L’entusiasmo per l’intelligenza artificiale sta un po’ scemando
Per questo, oltre a investire in nuovi chip e server più efficienti, alcune delle principali aziende tecnologiche sperano in scoperte energetiche radicali che sono ancora lontane. Nel 2018, Sam Altman, co-fondatore di OpenAI, ha investito 375 milioni di dollari in Helion Energy, una startup che punta a costruire un impianto per la fusione nucleare entro il 2028. La fusione, la stessa reazione nucleare che alimenta le stelle, è un obiettivo da tempo raggiunto perseguito da molti decenni da diversi scienziati e aziende e che potrebbe rappresentare un’enorme fonte di energia enorme e pulita. Ma gli esperti del settore sono molto scettici sia sui tempi che sulle possibilità concrete della startup.
Altman considera la fusione nucleare essenziale per lo sviluppo dell’intelligenza artificiale: in un’intervista a La CNBC Ha affermato che “se riuscissimo ad abbassare notevolmente il costo dell’intelligenza artificiale e il costo dell’energia, miglioreremmo notevolmente la qualità della vita per tutti noi”. Microsoft, partner di lunga data di OpenAI, ha già promesso di acquistare energia da Helion Energy non appena sarà sicuro farlo.
