Come ogni attività umana, anche l’Intelligenza Artificiale (IA) ha i suoi costi ambientali: pur trattandosi di attività astratte e non tangibili, esse gravano sul bilancio di sostenibilità delle attività economico-produttive. Bilancio che non si può più trascurare, alla luce del fatto che le due cosiddette “rivoluzioni gemelle” pronte a cambiare il prossimo futuro sono quella digitale e quella verde, una inscindibile dall’altra per importanza e urgenza. Viste da una prospettiva più ampia, le due rivoluzioni possono senz’altro essere l’una al servizio dell’altra: l’Intelligenza artificiale, in quanto tecnologia generica, può essere applicata in molteplici àmbiti, e oltre ad avere la capacità di promuovere crescita economica e benessere sociale, può mettersi al servizio della sostenibilità globale. Ciò è reso possibile grazie ai miglioramenti apportati dall’IA in termini di efficienza e gestione, che applicati ai sistemi energetici equivale a ottenere ottimizzazione energetica e profondi tagli alle emissioni di gas serra, traguardi necessari per raggiungere gli obiettivi di sostenibilità della green revolution.
Le due “rivoluzioni gemelle” pronte a cambiare il prossimo futuro sono quella digitale e quella verde
Tuttavia, i sistemi di calcolo e lo sviluppo stesso della intelligenza artificiale possono richiedere enormi quantità di risorse energetiche e materiali generando un importante impatto ambientale. Con la crescita esponenziale di questa tecnologia, infatti, crescono anche le esigenze legate alle infrastrutture fisiche che la sostengono, ovvero gli hardware e i software, e i relativi cicli di vita di tali sistemi. L’infrastruttura fisica è dunque tangibile e consuma una certa quantità di risorse per funzionare, ma alla crescita esponenziale di tale tecnologia non è seguito un significativo consumo energetico: secondo l’Agenzia internazionale per l’energia (IEA), il consumo energetico dei data center è rimasto invariato a circa l’1% della domanda globale di elettricità, nonostante la ingente crescita del traffico dati, di cui si stima che l’IA rappresenti una minima parte. Sebbene ciò possa indicare guadagni di efficienza dell’hardware, alcuni ricercatori notano che le richieste di calcolo dell’IA sono cresciute più rapidamente delle prestazioni dell’hardware, mettendo in discussione la crescita stessa dell’intelligenza artificiale in termini di efficienza e potenzialità.
OCSE distingue l’impatto ambientale dell’Intelligenza artificiale in positivo e negativo, diretto e indiretto
L’impatto ambientale del calcolo e delle applicazioni dell’IA dovrebbero essere, alla luce di ciò, ulteriormente misurato e compreso. Già nel 2010 l’OCSE (Organizzazione per la cooperazione e lo sviluppo economico) incoraggiava lo sviluppo di ICT (Information and communication technology) che fossero compatibili e andassero di pari passo con gli obiettivi di sostenibilità che oggi appaiano ancora più stringenti. Recentemente, le raccomandazioni dell’OCSE hanno riguardato le implicazioni positive per le persone e per il pianeta che devono scaturire dall’AI (2019), e la necessità di ridurre al minimo gli impatti ambientali negativi delle reti di comunicazione, in particolare della connettività a banda larga. Un recente Rapporto di OCSE dal titolo “Misurazione degli impatti ambientali di calcolo e applicazioni della IA” (2022) sviluppa in profondità la questione, interpellando un gruppo di esperti per l’individuazione di parametri di sostenibilità. Gli studiosi nel Report OCSE distinguono l’impatto ambientale dell’Intelligenza artificiale tra positivo e negativo, e tra diretto e indiretto. L’impatto diretto è legato al ciclo di vita delle risorse di calcolo, che sono divise in produzione, trasporto, operazioni e fine vita. L’analisi indica che l’impatto diretto sull’ambiente è molto spesso negativo, in quanto coinvolge il consumo di risorse necessarie per il funzionamento delle infrastrutture tecnologiche: acqua, energia, e relative emissioni di gas serra e altre materie prime. Gli impatti indiretti derivano invece dalle applicazioni dell’IA ai sistemi energetici e sulla efficienza, e dunque sono spesso positivi, come la tecnologia smart grid o le simulazioni di digital twin. Gli impatti indiretti risultano negativi, al contrario, quando promuovono modelli di consumo non sostenibili.
L’acqua nel ciclo di vita dell’Intelligenza artificiale
Tra i consumi più trascurati dell’industria tecnologica c’è quello dell’acqua, risorsa che impatta molto sulla sostenibilità di un prodotto – parametro invece molto citato per misurare la sostenibilità dei prodotti alimentari. È più semplice individuare i costi ambientali per costruire infrastrutture tecnologiche e trasportarle (trasporto e produzione), tra gas serra e materiali, o per lo smaltimento delle stesse alla fine del loro ciclo di vita. Ma il consumo di acqua è sempre più presente nei dibattiti sulla sostenibilità del calcolo dell’IA. L’acqua viene infatti utilizzata con duplice funzione nella fase delle operazioni di calcolo: direttamente, per il raffreddamento e indirettamente, per la generazione di elettricità. Rispetto al consumo energetico operativo e alle emissioni di gas serra, il consumo di acqua è poco conosciuto: solo il 33-50% circa degli operatori di data center compila e riporta metriche sull’utilizzo dell’acqua (OCSE, 2022). Negli Stati Uniti, si stima che i data center rappresentino meno dell’1% del consumo totale di acqua (Mytton, 2021), in linea con utenti come ospedali o produzione agricola. Eppure l’industria dei data center degli Stati Uniti attinge direttamente e indirettamente dal 90% dei bacini idrografici nazionali ed è una delle prime dieci industrie che consumano acqua nel paese. Le acque reflue, inoltre, spesso devono essere trattate dopo l’uso, con relativo consumo di elettricità e produzione di emissioni, rendendo poco chiari gli impatti netti sulla sostenibilità.
Solo il 33-50% degli operatori di data center compila e riporta metriche sull’utilizzo dell’acqua
I data center producono anche grandi quantità di calore in eccesso, che non può essere riconvertito per altre attività in quanto troppo basse. Per riconvertire lo spreco in risorsa, si è pensato di combinare l’attività dei data center con altre realtà produttive, ad esempio le serre per l’agricoltura (OCSE, 2022). Ciò sarebbe una delle buone pratiche legate all’IA, come già accade in diverse multinazionali che sfruttano gli impatti indiretti dell’IA in termini di efficienza energetica. Molti tra i più grandi operatori di data center del mondo hanno infatti già espresso l’intenzione di alimentare i propri sistemi con il 100% di energia rinnovabile. Qualche esempio: Amazon ha annunciato l’obiettivo di alimentare tutte le operazioni aziendali con energia rinnovabile entro il 2025 e diventare carbon neutral entro il 2040 (Amazon, 2022). Google si è impegnata a utilizzare energia senza emissioni di carbonio 24 ore su 24, 7 giorni su 7 entro il 2030, mentre Meta prevede di raggiungere zero emissioni in tutta la sua catena di approvvigionamento entro il 2030 (Meta, 2021). Obiettivi ambiziosi, che possono appoggiarsi sui risultati conseguiti dall’IA, come l’utilizzo di modelli di intelligenza artificiale pre-addestrati, ove possibile, e l’alimentazione dei data center con risorse rinnovabili.
L’Intelligenza artificiale non è un ostacolo ma parte della soluzione per raggiungere gli obiettivi di sostenibilità
Lo studio di OCSE arriva alla conclusione che l’IA sia non un ostacolo bensì parte della soluzione per raggiungere gli obiettivi di sostenibilità globale, partendo da cinque punti che necessitano una soluzione.
- Servono standard univoci di misurazione della sostenibilità dell’IA, un consenso condiviso a livello internazionale su terminologia, indicatori coerenti e obblighi di segnalazione per misurare correttamente gli impatti ambientali del calcolo e delle applicazioni.
- La raccolta di dati sugli impatti ambientali dell’IA dovrebbe essere ampliata, coinvolgendo agenzie, istituzioni nazionali e soggetti interessati del settore privato.
- Bisogna distinguere il calcolo utilizzato per l’IA da quello per altre ICT scientifiche, matematiche e generiche per valutarne gli impatti con precisione.
- Vanno considerati tutti gli impatti ambientali e non solo il consumo energetico operativo e le emissioni di gas serra: uso di acqua dolce, impatto diretto sull’ambiente della produzione, del trasporto e dello smaltimento delle infrastrutture tecnologiche.
- Sono necessari sforzi per migliorare la trasparenza e la condivisione di informazioni e best practice a livello globale, affinché il calcolo e le applicazioni di intelligenza artificiale supportino gli obiettivi di sostenibilità in una gamma più ampia possibile di contesti nazionali.
