Secondo l’organizzazione di ricerca Epoch AI: Un Futuro Brillante o un Colossale Consumo Energetico?

Immaginate un modello come “Rama 3” di Meta, addestrato con 16.000 chip NVIDIA e capace di consumare 27 megawatt (MW) di elettricità. Questo è equivalente al fabbisogno annuale di circa 23.000 famiglie americane! Nonostante i miglioramenti nell’efficienza energetica, si stima che nel 2030 l’addestramento di un modello all’avanguardia richiederà circa 200 volte più energia, ovvero 6 gigawatt (GW). Questo rappresenta il 30% del consumo totale di energia dei data center.

Il Contratto Storico di Microsoft

Ad ulteriore riprova di quanto asserito, Microsoft ha stretto un contratto di lungo termine con Constellation Energy, la principale azienda di centrali nucleari negli Stati Uniti, per ricevere elettricità dalla centrale nucleare di Three Mile Island. Questo reattore, chiuso dopo l’incidente del 1979, sarà riavviato entro il 2028, grazie a un investimento previsto di 1,6 miliardi di dollari. La potenza garantita? Ben 835 megawatt (MW) per i prossimi 20 anni. È un passo audace che segna una nuova era per l’energia nucleare e la tecnologia

Con l’aumento della potenza necessaria, è inevitabile che le aziende AI debbano considerare l’uso di più centrali elettriche. I vari scenari per l’approvvigionamento energetico vanno da una singola centrale da 1 GW fino a 45 GW da fonti distribuite. È chiaro che la crescente domanda energetica solleva questioni etiche e ambientali: stiamo davvero sacrificando il nostro pianeta per alimentare la tecnologia?

Non possiamo ignorare il fatto che i data center, già responsabili del 2-3% delle emissioni globali, potrebbero aumentare notevolmente il loro consumo energetico nei prossimi anni. È fondamentale trovare un equilibrio tra i benefici economici dell’AI e i costi ambientali.

Per supportare l’espansione dell’AI, si prevede la necessità di un numero compreso tra 20 e 400 milioni di chip entro il 2030. Tuttavia, ci sono preoccupazioni riguardo alla disponibilità dei materiali necessari per la produzione di questi chip. Anche se la crescita del settore è rapida, la capacità produttiva rimane una sfida cruciale.

Inoltre, il tempo necessario per addestrare i modelli aumenta con la loro dimensione. Anche se i modelli potrebbero utilizzare fino a un milione di volte più potenza rispetto a GPT-4, ci sono colli di bottiglia da considerare. La potenza potrebbe non aumentare in modo proporzionale all’aumento del numero di chip.

Epoch AI prevede che entro dieci anni potremmo raggiungere cicli di addestramento fino a $2 \times 10^{29}$ FLOP, un’espansione incredibile rispetto ai modelli attuali. Tuttavia, affinché questo progresso sia possibile, è necessaria una convinzione sociale che supporti gli investimenti nel settore, anche quando questi superano i ritorni.

La storia ci insegna che ogni grande innovazione porta con sé sfide e opportunità. Dalla rivoluzione industriale alla digitalizzazione, ogni passo avanti ha richiesto sacrifici e adattamenti. Oggi ci troviamo all’apice di una nuova era tecnologica; sta a noi decidere come affrontarla.

Un aspetto meno noto ma altrettanto preoccupante riguarda il consumo d’acqua associato alla generazione di contenuti con AI come GPT-4. Uno studio recente ha rivelato che generare 100 parole con GPT-4 può consumare fino a 1,4 litri d’acqua. Questo consumo è legato al raffreddamento dei data center necessari per far funzionare i server dei chatbot, che richiedono grandi quantità di energia per rispondere alle domande degli utenti.

Secondo i ricercatori dell’Università della California a Riverside, anche piccole quantità di testo prodotte dai chatbot possono richiedere grandi quantità d’acqua per mantenere i server a una temperatura operativa adeguata. La quantità necessaria varia a seconda della localizzazione e delle condizioni del data center; ad esempio, in Texas sono sufficienti 235 millilitri per generare un’email di 100 parole, mentre nello stato di Washington possono servire fino a 1.408 millilitri, equivalenti a tre bottiglie d’acqua da 500 ml.

L’utilizzo frequente di GPT-4 da parte degli utenti fa aumentare rapidamente il consumo d’acqua. Inoltre, la generazione di immagini e video richiede ancora più risorse rispetto al solo testo.

Questo uso intensivo di acqua ed energia da parte dei data center può anche contribuire all’aumento delle bollette per i residenti locali. Per esempio, per addestrare il modello Rama 3 sono stati utilizzati 22 milioni di litri d’acqua, equivalenti al fabbisogno idrico di 164 persone in un anno o alla coltivazione di 2 tonnellate di riso.

Il consumo energetico di GPT-4 è altrettanto significativo. Se solo il 10% dei lavoratori statunitensi usasse GPT-4 una volta a settimana per un anno, il consumo di elettricità sarebbe di 121.517 megawattora, pari al fabbisogno energetico di 671.803 famiglie di Washington DC per 20 giorni.

In risposta a queste preoccupazioni ambientali, Microsoft ha dichiarato di essere alla ricerca di metodi per eliminare completamente il consumo d’acqua nei suoi data center, senza però fornire dettagli specifici. Anche altre aziende come OpenAI, Meta e Google hanno ribadito il loro impegno per la sostenibilità, puntando a migliorare l’efficienza energetica e a ridurre l’impatto ambientale dei loro servizi. Google, in particolare, si è posta l’obiettivo di raggiungere emissioni nette pari a zero entro il 2030.

In conclusione, mentre ci prepariamo ad abbracciare il futuro dell’intelligenza artificiale, dobbiamo farlo con consapevolezza e responsabilità. La nostra capacità di bilanciare l’innovazione con la sostenibilità definirà non solo il nostro presente ma anche il nostro futuro. E voi? Siete pronti a dire “wow” davanti a queste enormi possibilità?