AI e consumo energetico: quanto costa una domanda a ChatGPT

Quanto costa una domanda a ChatGPT (e al nostro pianeta)?

Immaginate di porre una semplice domanda a ChatGPT: "Qual è la capitale della Francia?". La risposta arriva in pochi secondi, precisa, concisa. Ma se vi dicessi che dietro a questa apparente semplicità si nasconde un balletto complesso di chip, energia e risorse che ha un impatto tangibile sul nostro pianeta? Non stiamo parlando di una fantasia distopica, ma di una realtà che, senza una riflessione critica, rischia di vanificare molti degli sforzi fatti per la transizione ecologica.

Il costo nascosto dell'intelligenza artificiale generativa: un balletto di Watt e litri d'acqua

L'esplosione dell'Intelligenza Artificiale generativa, con strumenti come ChatGPT, Bard o Midjourney, ha ridefinito il nostro rapporto con la tecnologia. Ma mentre ci entusiasmiamo per le sue capacità creative e produttive, è cruciale non ignorare il suo "lato oscuro": l'intenso consumo di energia e risorse.

Prendiamo l'esempio di una singola interazione con ChatGPT. Sebbene calcolare il consumo esatto di una singola query sia complesso – dipende dall'efficienza del modello, dal numero di parametri, dal carico sui server e dalla complessità della domanda – possiamo fare delle stime basate su dati pubblicati. Un rapporto del 2023 di ricercatori dell'Università della California, Riverside, ha stimato che l'addestramento di modelli di linguaggio di grandi dimensioni (LLM) come GPT-3 può richiedere milioni di kWh di energia, equivalenti al consumo annuale di centinaia di case. E l'addestramento è solo l'inizio.

Ogni query, ogni interazione, richiede al server di "inferire" una risposta, attivando migliaia di chip e consumando energia. Alcuni studi preliminari suggeriscono che, in media, una singola interazione con un LLM potrebbe consumare da 0,001 a 0,1 kWh (anche se queste stime variano ampiamente e sono in continua evoluzione). Sembra poco, vero? Ma moltiplicate questi numeri per i milioni, se non miliardi, di query che questi sistemi gestiscono ogni giorno. Si stima che Google, per esempio, processi trilioni di ricerche all'anno. Se anche solo una frazione di queste fosse generata da LLM, l'impatto aumenterebbe esponenzialmente. Secondo un report di Digiconomist del 2023, il consumo energetico globale legato all'AI potrebbe superare quello di un paese come l'Argentina entro il 2027.

Ma l'energia non è l'unica risorsa in gioco. I data center che ospitano questi mostri di calcolo richiedono enormi quantità di acqua per il raffreddamento. Uno studio pubblicato su Nature Communications nel 2023 ha evidenziato come i data center globali consumino tra i 10 e i 20 miliardi di litri d'acqua all'anno. I giganteschi data center di hyperscaler come Microsoft (che alimenta gran parte di OpenAI) e Google si trovano spesso in aree con stress idrico. Ad esempio, il data center di Google a The Dalles, Oregon, arriva a consumare centinaia di milioni di litri d'acqua all'anno. Questo stress sulle risorse idriche non è solo un problema ambientale, ma anche geopolitico, specialmente in regioni già afflitte dalla siccità.

La filiera globale dei chip: un intricato puzzle di risorse e tensioni

L'AI non è solo energia e acqua; è anche hardware. I chip grafici (GPU) sono il cuore pulsante delle architetture AI. Aziende come Nvidia sono al centro di questa rivoluzione, con i loro chip H100 che costano decine di migliaia di dollari l'uno e sono essenziali per l'addestramento dei modelli più avanzati.

La produzione di questi chip è un processo ad alta intensità di risorse e con un'impronta carbonica significativa. Dalla estrazione dei minerali rari (litio, cobalto, terre rare) spesso provenienti da paesi con scarse normative ambientali e sociali (Repubblica Democratica del Congo per il cobalto, Cina per le terre rare), alla fabbricazione ad alta tecnologia che richiede quantità massive di energia e sostanze chimiche, fino alla complessa supply chain globale che li porta dal produttore al cliente finale.

Questa filiera ha profonde implicazioni geopolitiche. La concentrazione della produzione di chip avanzati in pochi paesi, in particolare Taiwan con TSMC, crea un punto di vulnerabilità e accende le tensioni internazionali. La competizione per l'accesso a questi chip sta diventando un fattore cruciale nelle relazioni tra Cina, Stati Uniti ed Europa, con impatti potenziali sulla stabilità economica e politica mondiale. La carenza di chip, osservata durante la pandemia, ha mostrato quanto le nostre economie siano interconnesse e dipendenti da questa infrastruttura.

Esempi concreti: dalla Silicon Valley allo Hainan Data Center

• Microsoft e OpenAI: Microsoft, che ha investito miliardi in OpenAI, ha dichiarato l'obiettivo di essere "carbon negative" entro il 2030. Tuttavia, il rapido aumento della domanda di AI pone una sfida enorme. I loro data center, come quello di Quincy, Washington, sono tra i più grandi al mondo e richiedono enormi quantità di energia per il raffreddamento.
• Google: Il gigante della ricerca ha sviluppato i propri chip (TPU) per l'AI, nel tentativo di migliorare l'efficienza. Nonostante gli sforzi e gli investimenti in energie rinnovabili, la scala delle loro operazioni rende la sfida del consumo energetico mastodontica.
• Cina: Con la sua ambizione di diventare leader mondiale nell'AI, la Cina sta investendo massicciamente in data center e infrastrutture AI. Ad esempio, il data center di Huawei a Gui'an, nella provincia di Guizhou, è stato progettato per essere uno dei più grandi al mondo, con ovvie implicazioni sul consumo energetico locale e sulle emissioni, nonostante gli sforzi per alimentare parte delle sue operazioni con fonti rinnovabili.

Cosa possiamo fare noi, consumatori consapevoli?

Non dobbiamo cadere nel catastrofismo, ma neanche nell'ingenuità. L'AI è uno strumento potente con un potenziale enorme per il bene dell'umanità, ma il suo sviluppo e utilizzo devono essere guidati da una consapevolezza critica e da principi di sostenibilità.

1. Chiediamoci: "Ne vale la pena?" Prima di usare un LLM per una query banale, consideriamo se non sia più efficiente una ricerca tradizionale o un approccio manuale. Ogni interazione non necessaria ha un piccolo costo.
2. Sosteniamo l'efficienza: Promuoviamo e premiamo le aziende che investono in AI più efficiente dal punto di vista energetico, che utilizzano fonti di energia rinnovabile per i loro data center e che sono trasparenti sul loro impatto ambientale.
3. Incentiviamo la ricerca: La ricerca sull'AI "verde" è fondamentale. Ci sono studi promettenti su algoritmi e architetture che richiedono meno energia per l'addestramento e l'inferenza. Sosteniamo i programmi e le iniziative che promuovono queste innovazioni.
4. Chiediamo trasparenza: Le aziende dovrebbero essere più trasparenti sull'impronta carbonica e idrica dei loro modelli e operazioni AI. Questo ci permetterebbe di fare scelte più informate.
5. Educazione e consapevolezza: Diffondere la conoscenza di questi impatti è il primo passo per un cambiamento collettivo. Parlarne, discuterne, e scrivere di questi argomenti è fondamentale.

L'intelligenza artificiale non è intrinsecamente buona o cattiva; è uno specchio delle nostre scelte. Se vogliamo che diventi un alleato nella lotta al cambiamento climatico e non un ulteriore fardello, dobbiamo chiederci, seriamente, quanto siamo disposti a pagare per ogni singola domanda a ChatGPT. Non solo in termini economici, ma soprattutto in termini di risorse planetarie. La sostenibilità dell'AI è tanto importante quanto la sua intelligenza.