Negli ultimi anni, l’adozione dell’AI ha portato a un aumento esponenziale della domanda di potenza di calcolo. Prendiamo ad esempio i recenti modelli di linguaggio come GPT-4. Si stima che l’addestramento di GPT-4 abbia richiesto circa $50 milioni in costi computazionali, con un consumo energetico che può superare i 1.2 TWh durante la fase di addestramento[6][8]. Questo è sufficiente per alimentare migliaia di case per un anno intero.

Inoltre, l’uso delle GPU è aumentato drasticamente: Nvidia ha spedito 3.76 milioni di GPU nel 2023, con un consumo massimo per chip che può arrivare fino a 900W per i modelli più recenti[3][7]. La somma totale del consumo energetico delle GPU AI potrebbe raggiungere 14.4 TWh annualmente, equivalente al fabbisogno energetico di oltre 1.3 milioni di famiglie negli Stati Uniti[3].

Le piattaforme di intelligenza artificiale (AI) più avanzate stanno rapidamente diventando tra i maggiori consumatori di energia a livello globale. Questo consumo energetico è legato principalmente alla potenza di calcolo necessaria per addestrare e mantenere modelli complessi, come quelli utilizzati nei sistemi di AI generativa.

Un esempio tra i tanti

• GPT-3: Addestrare il modello GPT-3 ha richiesto circa 1.300 megawattora (MWh) di energia, equivalente al consumo annuale di circa 130 abitazioni negli Stati Uniti. Questo modello è stato uno dei più energivori fino ad oggi.
• GPT-4: Il modello successivo, GPT-4, ha superato significativamente i suoi predecessori, consumando oltre 1.200 MWh solo per la fase di addestramento. Questo rappresenta un aumento di energia fino a 50 volte rispetto a GPT-3, evidenziando l’escalation delle esigenze energetiche man mano che i modelli diventano più sofisticati.
• Generative AI: Si stima che l’AI generativa possa rappresentare fino al 1,5% del consumo energetico globale entro il 2029. Questo è particolarmente preoccupante considerando che i data center, che ospitano le infrastrutture necessarie per l’AI, già consumano tra il 1% e il 2% dell’energia globale.

Impatto Ambientale

L’aumento del consumo energetico delle piattaforme AI non è solo una questione di costi economici; ha anche un impatto significativo sull’ambiente. L’International Energy Agency (IEA) prevede che il consumo energetico dei data center aumenterà drasticamente, passando da circa 220-320 TWh/anno nel 2023 a un quinto dell’offerta energetica mondiale entro il 2025.Inoltre, l’AI richiede tipicamente circa 33 volte più energia per completare un’attività rispetto a software specifici per compiti. Questo porta a interrogarsi su come bilanciare i benefici economici e sociali dell’AI con i suoi costi ambientali.

Quindi…….

Il panorama dell’energia sta cambiando rapidamente con l’aumento della domanda da parte delle tecnologie AI. È fondamentale sviluppare strategie per migliorare l’efficienza energetica dei data center e delle piattaforme AI. Innovazioni come l’uso di chip specializzati e tecnologie di raffreddamento avanzate potrebbero aiutare a mitigare questi aumenti nel consumo energetico. Tuttavia, senza significativi miglioramenti nell’efficienza energetica, l’AI potrebbe diventare uno dei principali responsabili del consumo globale di energia e delle emissioni di carbonio nei prossimi decenni.

Contrariamente a queste enormi cifre, il cervello umano opera con un consumo energetico sorprendentemente contenuto. È stato stimato che il cervello utilizzi circa 20-30 Watt, a seconda delle attività svolte[2][6]. Questo è paragonabile al consumo energetico di un monitor per computer in modalità standby.

La capacità del cervello umano di eseguire miliardi di operazioni al secondo grazie ai suoi 80-100 miliardi di neuroni è semplicemente sbalorditiva. In effetti, se provassimo a replicare la potenza computazionale del cervello umano con i sistemi attuali, avremmo bisogno dell’energia sufficiente per alimentare una piccola centrale idroelettrica[2].

Un Confronto Direttamente Sostenibile

La differenza tra il cervello umano e le piattaforme AI non si limita solo ai costi e al consumo energetico; riguarda anche l’efficienza e la sostenibilità. Mentre l’AI continua a crescere in termini di potenza e complessità, il suo impatto ambientale diventa sempre più preoccupante. Entro il 2029, si prevede che l’AI rappresenterà fino al 1.5% del consumo energetico globale[7].

Conclusione

In conclusione, mentre ci dirigiamo verso un futuro sempre più dominato dall’intelligenza artificiale, è fondamentale riflettere sull’efficienza del nostro cervello rispetto alle enormi risorse richieste dalle piattaforme AI. La sfida non è solo quella di sviluppare tecnologie più potenti, ma anche quella di farlo in modo sostenibile ed efficiente. Imparare dal nostro “umile cervello” potrebbe essere la chiave per affrontare le sfide energetiche del futuro e garantire che l’AI possa prosperare senza compromettere il nostro pianeta.

Citations:
[1] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10604784/
[2] https://www.humanbrainproject.eu/en/follow-hbp/news/2023/09/04/learning-brain-make-ai-more-energy-efficient/
[3] https://www.forbes.com/sites/bethkindig/2024/06/20/ai-power-consumption-rapidly-becoming-mission-critical/
[4] https://ainowinstitute.org/publication/policy/compute-and-ai
[5] https://www.edgeconnex.com/news/edge-blog/the-rise-of-computational-power-the-future-path-of-high-density-data-centers/
[6] https://flexpowermodules.com/ai-power-considerations
[7] https://www.hpcwire.com/2024/07/08/generative-ai-to-account-for-1-5-of-worlds-power-consumption-by-2029/
[8] https://www.theverge.com/24066646/ai-electricity-energy-watts-generative-consumption