In che modo l’intelligenza artificiale influisce sull’ambiente?

L’intelligenza artificiale influisce sull’ambiente attraverso i computer, i data center e le catene di fornitura che la fanno funzionare. I modelli di allenamento e corsa utilizzano l'elettricità. Il raffreddamento può consumare acqua. La produzione di chip e gli impianti di costruzione richiedono materiali, acqua ed energia. Le emissioni di carbonio risultanti dipendono fortemente da come viene generata l’elettricità.

L’intelligenza artificiale può anche ridurre i danni ambientali, ad esempio prevedendo l’energia rinnovabile o individuando le perdite di metano, ma questi vantaggi sono risultati specifici, non un pass gratuito per ogni applicazione di intelligenza artificiale. La dimensione dell'impronta cambia drasticamente in base al modello, all'attività, alla durata della risposta, all'hardware, alla posizione e al numero di utenti. Qualsiasi risposta che assegni un costo ambientale fisso all’“intelligenza artificiale” tralascia un contesto importante.

L'impatto inizia con l'hardware

Prima che un modello venga addestrato, è necessario creare i suoi processori. La fabbricazione dei semiconduttori è un processo industriale ad alto consumo di energia e acqua che coinvolge acqua ultrapura, prodotti chimici e complesse catene di approvvigionamento globali. I server necessitano anche di memoria, storage, networking e apparecchiature di alimentazione. Gli edifici aggiungono cemento, acciaio e sistemi di raffreddamento.

Questi impatti incarnati sono reali ma difficili da esprimere a richiesta. Un processore può addestrare diversi modelli e gestire molti altri carichi di lavoro nel corso degli anni. Dividere la propria impronta produttiva per un numero presunto di risposte richiede scelte incerte sull’utilizzo e sulla durata.

Questo è il motivo per cui la maggior parte dei dati “per query” pubblicati coprono l’elettricità operativa piuttosto che l’intero ciclo di vita. Un tale numero può ancora essere utile se il confine è esplicito. Diventa fuorviante se presentato come l'intero impatto. Una valida valutazione separa la produzione e la costruzione dall'energia utilizzata durante l'addestramento o il servizio di un modello.

La formazione e l'inferenza sono lavori diversi

L'addestramento regola un modello utilizzando set di dati di grandi dimensioni e molti calcoli ripetuti. Può occupare gruppi di acceleratori per settimane o mesi. L'inferenza avviene dopo l'addestramento ogni volta che qualcuno chiede al modello di classificare, prevedere o generare qualcosa.

La formazione è concentrata e più facile da notare, ma i servizi più diffusi possono accumulare molte più inferenze nel corso della loro vita operativa. Non esiste una regola fissa su quale sia il più grande: il saldo dipende dalle esecuzioni di addestramento, dalla durata del modello, dal traffico giornaliero e dal lavoro svolto per richiesta.

Anche i compiti generativi differiscono. Produrre una breve frase, analizzare un lungo documento e generare un video non sono paragonabili. Lo studio Elaborazione assetata di energia hanno misurato 1,000 inferenze attraverso compiti rappresentativi e hanno scoperto che sistemi generativi e di uso generale notevolmente più dispendiosi in termini energetici rispetto ad alternative specifiche per attività. Non fornisce una tariffa universale, ma supporta una lezione pratica: utilizzare sistemi specializzati o più piccoli quando possono svolgere il lavoro.

I data center trasformano l'elaborazione in domanda locale

I server assorbono elettricità e la rilasciano quasi tutta sotto forma di calore. I data center devono allontanare il calore mantenendo al contempo alimentazione, rete e storage affidabili. Il raffreddamento, la conversione dell'alimentazione e altre apparecchiature di supporto aggiungono ulteriore sovraccarico oltre ai processori stessi.

IL Stime dell'AIE tutti i data center hanno utilizzato circa 415 TWh nel 2024, ovvero circa l’1.5% dell’elettricità globale. Il suo scenario base sale a circa 945 TWh nel 2030, con server accelerati associati principalmente all’intelligenza artificiale responsabili di quasi la metà della crescita netta. Questi totali includono anche carichi di lavoro non basati sull'intelligenza artificiale, quindi non devono essere rietichettati come "elettricità AI".

Le azioni globali possono nascondere le tensioni locali. Cluster di strutture in cui sono disponibili terreni, reti e connessioni alla rete. Un nuovo campus ad alta densità può influenzare materialmente la pianificazione energetica di una regione anche se i data center continuano a rappresentare una quota modesta della domanda mondiale. La nostra panoramica di Impatti dei data center IA guarda quel contesto locale.

L’elettricità crea carbonio, ma non allo stesso ritmo

L’impronta di carbonio operativa è l’energia moltiplicata per l’intensità delle emissioni della sua elettricità. Tale intensità varia in base al paese, alla regione e all'ora. Le griglie più pulite lo riducono; le griglie ricche di fossili lo aumentano.

Gli appalti rinnovabili complicano il quadro. Un’azienda può firmare contratti che aggiungono generazione pulita o acquistare certificati corrispondenti al suo consumo annuale. Ciò può essere prezioso, ma è diverso dal dimostrare che un server è stato alimentato in ogni momento da elettricità priva di emissioni di carbonio. Sia la rendicontazione basata sulla posizione che quella basata sul mercato possono essere legittime se etichettate chiaramente.

Nel suo scenario di base, l’IEA prevede che le energie rinnovabili copriranno quasi la metà della crescita della fornitura di elettricità dei data center fino al 2030. Si prevede inoltre che gas naturale e carbone insieme copriranno oltre il 40% della fornitura aggiuntiva in quel periodo. Questa prospettiva mista è il motivo per cui “l’intelligenza artificiale funziona con fonti rinnovabili” e “l’intelligenza artificiale funziona con combustibili fossili” possono selezionare ciascuna un vero frammento mancando il sistema.

L'uso dell'acqua ha due livelli

I data center possono consumare acqua direttamente quando i sistemi di raffreddamento la fanno evaporare per respingere il calore. Possono anche avere un’impronta idrica indiretta perché alcune centrali elettriche consumano acqua quando generano elettricità. Una struttura che utilizza il raffreddamento a secco può ridurre i consumi in loco utilizzando più elettricità, creando un compromesso piuttosto che una riduzione gratuita.

Laboratorio di Berkeley Rapporto sui data center statunitensi modella progetti di raffreddamento, elettricità e scenari futuri. I risultati variano in base al tipo di struttura e mostrano perché una media nazionale non può descrivere un particolare sito.

Anche il tempo conta. Il raffreddamento può consumare più acqua in una giornata calda, mentre il mix di elettricità cambia di ora in ora. La scarsità d’acqua rende un litro in un bacino arido più importante di un litro in una regione ricca d’acqua. La domanda “come fa l’intelligenza artificiale a utilizzare l’acqua?” necessita quindi di luogo e tempistica, non solo di un volume globale.

I benefici ambientali dell’intelligenza artificiale necessitano di un controfattuale

L’intelligenza artificiale viene utilizzata nelle previsioni meteorologiche, nella previsione della domanda di elettricità, nell’integrazione delle fonti rinnovabili, nei controlli industriali e nel rilevamento delle perdite. IL Cataloghi IEA modi in cui tali applicazioni potrebbero migliorare i sistemi energetici. Ci sono anche dei costi: sensori, reti, modelli e cambiamenti nel comportamento.

Per decidere se un'applicazione aiuta, confrontala con ciò che accadrebbe altrimenti. Misura l’energia, le emissioni o i rifiuti evitati, sottrai l’impronta del sistema e monitora i risultati dopo l’implementazione. Non considerare una possibilità di laboratorio come un risparmio ottenuto.

Gli effetti di rimbalzo meritano attenzione. L’efficienza può rendere un’attività più economica e incoraggiarne di più. Un’ottimizzazione che riduca l’energia per posto di lavoro potrebbe comunque accompagnarsi a un consumo totale più elevato. Ciò non rende inutile l’efficienza; significa che gli effetti per unità e totali dovrebbero essere riportati insieme. Leggere se l’intelligenza artificiale può essere positiva per l’ambiente come una questione di prova, non come un'etichetta.

Come ridurre l'impatto del tuo utilizzo

Utilizzare lo strumento meno impegnativo dal punto di vista computazionale che risolva in modo affidabile il compito. Una calcolatrice, un risultato di ricerca o una regola locale possono battere un modello generale. Per il lavoro con l'intelligenza artificiale, preferisci un modello piccolo e capace; mantenere focalizzati i documenti e la cronologia delle conversazioni; evitare rigenerazioni inutili; e riservare immagini, video e lunghi ragionamenti per i casi che li giustificano.

Chiedere ai fornitori i confini e l’incertezza. Una cifra include solo l'elettricità dell'acceleratore, l'intero data center, l'acqua, l'hardware incorporato o la formazione? Viene misurato, modellato o mediato? Nostro metodologia afferma che le ricevute per messaggio di Treechat sono stime operative basate su modelli. Non si tratta di misurazioni dirette o di dichiarazioni sull'intero ciclo di vita.

L’effetto ambientale dell’intelligenza artificiale è in definitiva una questione di sistema. Le scelte individuali influenzano la domanda, mentre i fornitori determinano l’architettura del modello, l’utilizzo dell’hardware, l’ubicazione della struttura e la divulgazione. La politica determina la fornitura di energia elettrica, i permessi idrici e la rendicontazione. Decisioni migliori richiedono tutti e tre i livelli e il rifiuto di trasformare i numeri incompleti in certezza.