Una guida per l’insegnante alla sostenibilità dell’IA

Insegnare la sostenibilità dell’IA come una questione di prova, non come una regola secondo cui ogni suggerimento è buono o cattivo. I servizi di intelligenza artificiale utilizzano elettricità, acqua di raffreddamento e apparecchiature fisiche, ma una “query” non ha un’impronta fissa. Le dimensioni del modello, l'attività, la durata della risposta, l'hardware, le spese generali del data center e la fonte di energia elettrica sono tutti fattori importanti.

Gli studenti dovrebbero essere in grado di distinguere l'energia dal carbonio e dall'acqua, risalire alla sua fonte, spiegare l'incertezza e scegliere uno strumento proporzionato. Evitare di far sentire i giovani responsabili delle decisioni infrastrutturali controllate da fornitori e istituzioni. Le scelte personali possono ridurre gli sprechi; gli appalti, la progettazione del prodotto e le politiche pubbliche modellano il sistema più ampio. L’obiettivo della classe è un’azione informata: utilizzare l’intelligenza artificiale quando supporta l’apprendimento, mettere in discussione il marketing ambientale non supportato e riconoscere quando il software ordinario è sufficiente.

Stabilire un modello chiaro e condiviso

Inizia con una descrizione fisica. Un prompt viaggia verso un data center, viene convertito in token ed elaborato da chip specializzati. Il modello legge l'input e genera l'output, solitamente un token alla volta. Supporto di rete, memoria, raffreddamento e conversione di potenza che funziona. Cosa succede quando invii un messaggio AI fornisce una sequenza adatta agli studenti.

Poi separa tre termini alla lavagna. L'energia è l'elettricità consumata. Il carbonio operativo dipende da come viene generata l’elettricità; una contabilità più ampia del carbonio può includere la produzione e l’edilizia. L’acqua può essere utilizzata nel raffreddamento, nella produzione di energia e nella produzione di chip, con effetti locali che dipendono dalla scarsità e dai tempi.

Quello dell’Agenzia Internazionale per l’Energia Rapporto su energia e intelligenza artificiale è una forte fonte a livello di sistema. Si occupa dei data center invece di pretendere che ogni watt possa essere assegnato in modo preciso a una domanda in classe. Questa distinzione aiuta gli studenti a tenere insieme due idee: un normale suggerimento testuale può essere piccolo, mentre la domanda aggregata in rapida espansione può comunque avere importanza.

Insegnare l’incertezza senza insegnare l’impotenza

I numeri non sono d’accordo perché i loro confini non sono d’accordo. Una fonte può misurare l'acceleratore durante il calcolo attivo; un altro può includere macchine inattive, CPU, memoria, raffreddamento e perdite di potenza. La media di un fornitore può combinare molti modelli e lunghezze di richiesta. Una stima di ricerca può modellare l'hardware che non può osservare direttamente.

Fornisci agli studenti una scheda fonte a quattro colonne: prodotto e data; misurato o stimato; confine incluso; informazioni mancanti. Chiedi loro di preservare etichette come “mediana”, “media” e “scenario”. Non dovrebbero mai fare la media di cifre contrastanti semplicemente per produrre una risposta chiara.

Google lo studio di prima parte di Gemini Le app sono utili perché sono Il metodo include chip attivi, capacità inattiva, sistemi host e sovraccarico del data center. È anche limitato a Google il prodotto, il periodo di tempo e il confine scelto. Questa combinazione, utile e limitata, è il tono da modellare.

Treechat'S metodologia allo stesso modo descrive una stima operativa basata su un modello, non una lettura diretta del contatore o una dichiarazione sul ciclo di vita completo.

Utilizzare suggerimenti di discussione che espongano i compromessi

I seguenti suggerimenti funzionano in coppia, seminari o biglietto di uscita scritto:

• Un modello piccolo dà una risposta debole due volte; un modello più grande risponde correttamente una volta. Qual è la scelta più sostenibile e quali prove mancano?
• Una scuola dovrebbe preferire uno strumento con una stima ridotta per richiesta o uno che pubblichi emissioni annue totali inferiori? Entrambi i parametri possono avere importanza?
• Usare l’acqua per il raffreddamento è sempre dannoso, oppure la fonte, la stagione, la scarsità e i metodi di raffreddamento alternativi cambiano il giudizio?
• Se un’azienda finanziasse la piantumazione di alberi, di cosa avresti bisogno prima di definire la sua intelligenza artificiale “carbon neutral”?
• Chi ha più controllo sull’impronta dell’intelligenza artificiale: uno studente, un insegnante, un acquirente scolastico, un fornitore di servizi cloud o un regolatore dell’elettricità?
• Quando una spiegazione generata dall'intelligenza artificiale aggiunge un valore educativo sufficiente da giustificarne l'utilizzo al posto della ricerca o di un libro di testo?

Non assegnare voti agli studenti quando raggiungono una risposta morale approvata. Valuta la qualità del confine, delle prove e del ragionamento. IL Domande frequenti sull'impatto ambientale dell'IA può servire come riferimento iniziale, non come foglio delle risposte.

Prova due attività di classe oneste

Per la verifica di una richiesta di indennizzo, fornisci ai gruppi un post sui social o un titolo sull'acqua, l'energia o gli alberi dell'intelligenza artificiale. Gli studenti individuano la fonte originale e identificano il prodotto, l'anno, l'unità, il denominatore e le esclusioni. Riscrivono il titolo in modo che rimanga accurato. Questo insegna l’alfabetizzazione mediatica senza la necessità di accedere ai dati dei fornitori privati.

Per un esercizio di progettazione di compiti, stabilisci un obiettivo di apprendimento, magari spiegare la fotosintesi a uno studente più giovane. I gruppi progettano tre percorsi: nessuna intelligenza artificiale generativa, un piccolo modello di testo e un assistente ricco di funzionalità. Prevedono quali passaggi aggiungono valore, quali dati verranno inviati e quali parti probabilmente richiederanno più calcoli. Quindi valutano la qualità della risposta e rivedono la loro previsione.

Non presentare il tempo di risposta, la lettura della batteria del dispositivo o l'icona dell'interfaccia del fornitore come misurazione diretta dell'energia. Se non esiste alcuna informazione comparabile, “non possiamo determinare il vincitore” è una conclusione positiva. dell’UNESCO Quadro delle competenze sull’intelligenza artificiale per gli insegnanti pone la sostenibilità accanto all’azione umana, all’etica, ai fondamenti e alla pedagogia; l'attività dovrebbe tenere insieme questi obiettivi.

Stabilire una pratica di classe proporzionata

Una norma praticabile è: utilizzare lo strumento approvato meno complesso che soddisfi lo scopo di apprendimento. Cerca fonti. Usa una calcolatrice per l'aritmetica. Utilizzare un piccolo modello per il supporto linguistico di routine. Riservare sistemi di ragionamento, immagine o ricerca più ampi per compiti in cui la loro capacità è rilevante.

Richiedi un output conciso, elimina il contesto irrilevante ed evita di generare molte varianti usa e getta. Ma non trasformare il conteggio dei token in una tabella di comportamento né punire uno studente che ha bisogno di tecnologie assistive. Accessibilità, supporto linguistico e sicurezza possono giustificare il calcolo. La sostenibilità è una considerazione all’interno di una buona pedagogia, non una gara di razionamento.

Sii esplicito riguardo alla privacy e alla valutazione. Seguire la politica istituzionale, evitare di caricare informazioni personali sugli studenti e comunicare agli studenti quando è consentito il supporto dell'intelligenza artificiale e come dovrebbe essere riconosciuto. dell’UNESCO linee guida per l’intelligenza artificiale generativa nell’istruzione e nella ricerca raccomanda un utilizzo adeguato all’età e incentrato sull’uomo e attenzione alla protezione dei dati.

Fai domande migliori alla tua istituzione

Non ci si dovrebbe aspettare che gli insegnanti controllino da soli un servizio cloud globale. Chiedere ai team di procurement se i fornitori rendono note le scelte dei modelli, l'energia specifica per l'attività, le spese generali del data center, i confini dell'acqua e gli impatti annuali assoluti. Chiedi se l'interfaccia consente agli utenti di scegliere un modello più piccolo e se rende visibili le chiamate agli strumenti.

Includi gli studenti in questa richiesta. Possono formulare domande, confrontare le risposte dei fornitori e identificare dove le affermazioni di marketing superano le prove. Nostro guida per gli studenti sull’impatto ambientale dell’IA fornisce loro una lista di controllo parallela, mentre scegliere un assistente AI in base al consumo di energia spiega perché i nomi dei modelli da soli non sono sufficienti.

Conserva le risposte e rivedile quando cambiano i contratti, gli strumenti o le informative dei fornitori.

Concludere con l'agenzia piuttosto che con l'allarme. Una classe responsabile può utilizzare l’intelligenza artificiale in modo ponderato, richiedere una divulgazione più chiara e riconoscere comunque l’incertezza. La lezione non è “non chiedere mai”. Si tratta di “capire il lavoro, utilizzare lo strumento giusto e allegare le prove ad ogni reclamo”.