Ogni interazione con l’AI ha un prezzo e non è basso – PPN ADI

L’intelligenza artificiale è entrata piano piano nella vita di tutti noi. Oggi è di importanza vitale, si è integrata nelle economie, nei servizi pubblici ma anche nell’uso quotidiano che una persona ne fa: dal consultarla per una ricetta culinaria a utilizzarla come browser di ricerca. Che l’AI consumi energia e acqua è noto a tutti, ma ciò che emerge dallo studio “Environmental Cost of AI’s Energy Use”, condotto dall’Istituto per l’acqua, l’ambiente e la salute dell’Università delle Nazioni Unite (UNU-INWEH), ci restituisce un quadro preoccupante, se non si interviene prontamente.

Il professor Kaveh Madani, direttore dell’UNU-INWEH ci tiene a specificare che questo rapporto non è “un’accusa contro l’intelligenza artificiale, una trasformazione tecnologica che sta migliorando la vita di miliardi di persone in tutto il mondo”. Piuttosto è un “appello a un utilizzo responsabile e ad affrontare in modo proattivo i suoi impatti indesiderati, per renderla sostenibile ed equa”. Il rapporto evidenzia come entro il 2030 l’impatto idrico sarà pari al fabbisogno domestico di 1,3 miliardi di abitanti dell’Africa subsahariana, per un totale di 9.300 miliardi di litri di acqua consumata.

Un impatto misurato erroneamente

Il documento mette in risalto come fino a oggi il costo ambientale dell’AI sia stato sistematicamente misurato in maniera errata. La maggior parte delle valutazioni si concentrano sulle emissioni di carbonio associate all’addestramento delle intelligenze avanzate. Tuttavia, ogni kWh di elettricità utilizzato per addestrare l’AI comporta un’impronta idrica volta al raffreddamento di queste tecnologie e un’impronta di suolo, dovuta alle infrastrutture energetiche e alle catene di approvvigionamento.

Queste tre impronte non si muovono nella stessa direzione. Un passaggio dal carbone alla bioenergia può ridurre l’impatto di carbonio dell’elettricità del 72%, ma non diminuisce automaticamente il consumo di acqua o l’utilizzo del suolo. Nel 2025 si è studiato come i data center globali abbiano consumato circa 448 TWh di elettricità. Se venissero considerati come una nazione, si classificherebbero undicesimi nella classifica mondiale dei consumatori di energia elettrica, dopo la Francia. La dott.ssa Miriam Aczel, ricercatrice dell’UNU-INWEH, ha notato come “le scelte che sembrano più ecologiche dal punto di vista delle emissioni di carbonio finiscono per essere peggiori per l’acqua o per il suolo”.

Il consumo energetico

Finora si è detto che l’addestramento di GPT-3 richieda 1,3 GWh di elettricità, mentre le stime suggeriscono che GPT-4 ne consumi tra i 50 e i 70 GWh. Lo studio condotto evidenzia, però, che quest’impostazione è obsoleta. Una volta implementato un modello, l’inferenza (l’esecuzione continua dei modelli per rispondere a richieste quotidiane) diventa il costo dominante, arrivando a rappresentare circa l’80%-90% del consumo energetico totale dell’AI. Gli scienziati dell’UNU-INWEH hanno stimato che ChatGPT elabora circa 2,5 miliardi di richieste al giorno, che si traduce in circa 383 GWh di elettricità consumata all’anno per un singolo prodotto. Per compensare le emissioni di carbonio associate, sarebbero necessarie circa 2,6 milioni di piantine di alberi coltivate per 10 anni. Mentre l’impronta idrica equivarrebbe al consumo idrico domestico minimo annuo di circa 500 mila persone nell’Africa subsahariana.

I costi dell’AI

Nel rapporto viene sottolineato come i benefici e gli oneri dell’espansione globale dell’AI siano estremamente sproporzionati. Lo studio riporta dei casi specifici di come l’utilizzo dell’AI a livello globale crei una certa pressione locale. Il caso riportato è quello dell’Irlanda: nel 2023 i data center rappresentavano il 21% del consumo totale di elettricità, superando tutte le utenze domestiche urbane. Il gestore della rete elettrica nazionale si è ritrovato costretto a sospendere nuove autorizzazioni nell’area di Dublino, fino al 2028, rendendola un esempio concreto di ciò che accade quando la crescita delle infrastrutture per l’AI supera la pianificazione energetica nazionale. Un altro esempio citato è quello di Querétaro, in Messico, dove l’espansione delle infrastrutture digitali sta mettendo a dura prova le risorse idriche del paese in un periodo prolungato di siccità. Situazione analoga in Uruguay, dove i progetti per un data center ad alto consumo idrico hanno coinciso con la siccità del 2023, che ha prosciugato le riserve di acqua dolce di Montevideo, rendendo non potabile l’acqua del rubinetto.

Inoltre, entro il 2030 le infrastrutture digitali potrebbero generare fino a 2,5 milioni di tonnellate di rifiuti elettronici, gran parte dei quali smaltiti in economie a basso reddito con garanzie limitate. Il dr. Mir Matin, coautore del rapporto e responsabile del programma di analisi geospaziale, climatica e infrastrutturale dell’UNU-INWEH, ha notato come “la distribuzione geografica dei data center con le zone a maggiore scarsità idrica, si tende a notare che in alcuni casi le regioni coincidono. E le comunità che vivono vicino a questi siti non sono necessariamente quelle che utilizzano l’intelligenza artificiale ivi implementata. Questa asimmetria è il problema”.

Un paradosso nascosto, l’effetto rimbalzo

Migliorare l’efficienza energetica dell’AI non è sufficiente a ridurne l’impatto ambientale complessivo. Il rapporto evidenzia il cosiddetto effetto rimbalzo, noto anche come Paradosso di Jevons: quando i modelli diventano più efficienti e meno costosi da eseguire, il loro utilizzo tende ad aumentare così rapidamente da annullare, o addirittura invertire, i benefici ottenuti. Nel contesto dell’AI, tecniche come la compressione dei modelli o l’ottimizzazione dell’hardware riducono il costo energetico per singola query, ma rendono al tempo stesso l’AI più accessibile, spingendo verso volumi di utilizzo molto più alti. Il consumo totale di energia può quindi continuare a crescere anche mentre ogni singola interazione diventa più leggera.

Non solo critiche, ma anche soluzioni

Il documento non si limita a evidenziare le criticità dell’utilizzo dell’AI, ma cerca di dare delle soluzioni che possano tener conto di tutti gli impatti che ha sull’ambiente l’utilizzo di queste tecnologie. Gli studiosi auspicano un ecosistema di intelligenza artificiale responsabile, basato su sei principi: trasparenza, efficienza fin dalla progettazione, equità e giustizia ambientale, responsabilità del ciclo di vita, cooperazione globale e utilizzo sostenibile.

Le raccomandazioni vengono rivolte principalmente agli stakeholder principali. Secondo il rapporto i governi dovrebbero integrare le infrastrutture digitali nella pianificazione energetica, nella gestione delle risorse idriche e richiedere una rendicontazione standardizzata dell’impatto ambientale. Gli sviluppatori dovrebbero migliorare l’efficienza fin dalla fase di progettazione del modello. Gli utenti e le organizzazioni che implementano le soluzioni dovrebbero selezionare il modello più leggero e che abbia un minor consumo energetico. I gestori dei data center dovrebbero considerare la scelta del terreno su cui costruire e l’approvvigionamento energetico come decisioni che incidono sull’impronta ambientale. Gli investitori, invece, dovrebbero considerare l’impatto ambientale come un fattore che mette a rischio i loro portafogli di infrastrutture per l’AI.

Un’ulteriore raccomandazione che fanno è quella di coinvolgere fin dal principio del processo decisionale le comunità e la società civile.