L’intelligenza artificiale è dannosa per l’ambiente? La risposta onesta

Sì, l’intelligenza artificiale può essere dannosa per l’ambiente. I modelli di allenamento e corsa utilizzano l'elettricità; i data center possono consumare acqua per il raffreddamento; e produrre chip ed edifici richiede materiali e crea emissioni. Su larga scala, questi costi contano. Ma l’“intelligenza artificiale” copre tutto, da un piccolo classificatore a un modello di frontiera che genera video, quindi non esiste un’impronta unica.

La conclusione difendibile è condizionata: un sistema di intelligenza artificiale è dannoso per l’ambiente quando i suoi costi totali sono elevati rispetto al valore che crea e quando alternative più pulite, più piccole o prive di intelligenza artificiale potrebbero svolgere il lavoro. L’intelligenza artificiale può anche aiutare a gestire le reti elettriche, individuare perdite di metano e ridurre gli sprechi. Tali benefici devono essere dimostrati, non presunti. Questo è il motivo per cui sia “L’intelligenza artificiale sta distruggendo il pianeta” sia “L’intelligenza artificiale risolverà il cambiamento climatico” sono troppo semplici.

L'elettricità è la pressione più chiara

L'intelligenza artificiale viene eseguita nei data center, dove gli acceleratori eseguono i calcoli alla base della formazione e delle risposte. IL Agenzia internazionale per l'energia Si stima che tutti i data center, non solo l’intelligenza artificiale, abbiano utilizzato circa 415 terawattora di elettricità nel 2024, circa l’1.5% del totale globale. Il suo scenario di base raggiunge circa 945 TWh nel 2030, con l’intelligenza artificiale come il più importante motore di crescita insieme ad altri servizi digitali.

Queste sono proiezioni, non una lettura del contatore del futuro. L’adozione, l’efficienza dell’hardware, la progettazione del modello e i limiti sulle connessioni alla rete potrebbero spostare il totale in modo sostanziale. L’IEA pubblica quindi diversi scenari.

Un singolo scambio di testo ordinario è molto più piccolo. Recenti stime pubbliche pongono un suggerimento tipico a una frazione di wattora, mentre il contesto lungo, il ragionamento, la ricerca e le immagini generate possono richiedere molto di più. I piccoli numeri per utilizzo e la domanda di sistema in rapida crescita possono essere entrambi veri: l’efficienza per risposta può migliorare mentre l’utilizzo totale aumenta più rapidamente.

Il carbonio dipende da dove e quando viene prodotta l’energia

L’uso dell’elettricità non equivale alle emissioni di carbonio. Un kilowattora fornito da una rete ad alto impiego di carbone ha un’impronta operativa diversa da quello fornito dall’energia eolica, solare, idroelettrica o nucleare. Il luogo e il tempo quindi contano, così come le regole utilizzate per contabilizzare i contratti di energia rinnovabile.

L’analisi della rete fisica dell’IEA afferma che i combustibili fossili forniscono ancora una quota sostanziale dell’energia dei data center. Si prevede che le emissioni dei data center legate all'elettricità raggiungeranno il picco di circa 320 milioni di tonnellate di CO2 intorno al 2030 nel suo caso base. Ciò rimane inferiore all’1% delle emissioni globali di CO2, ma in tale analisi i data center sono anche uno dei settori in cui le emissioni aumenteranno fino al 2030.

Le affermazioni dell’azienda necessitano di un’attenta lettura. “Abbinato all’energia rinnovabile” può significare che un’azienda ha acquistato abbastanza elettricità pulita in un anno, non che un particolare server abbia utilizzato energia senza emissioni di carbonio nell’ora in cui ha risposto. Gli appalti possono sostenere la nuova generazione, ma non fanno scomparire la geografia e i tempi.

L'acqua è locale, variabile e poco divulgata

Alcuni data center fanno evaporare l'acqua per portare via il calore. Anche la produzione di elettricità può consumare acqua, creando un’impronta indiretta anche in un sito che utilizza poca acqua per il raffreddamento. Il risultato cambia in base alle condizioni meteorologiche, alla progettazione del raffreddamento e al mix energetico locale.

Berkeley Lab ha modellato il consumo medio di acqua in loco nei data center statunitensi a poco più 0.36 litri per kilowattora nel 2023. Si tratta di una media della flotta, non di una tariffa universale. Un impianto a clima fresco che utilizza l’aria esterna può essere molto diverso da un impianto a raffreddamento evaporativo in una regione calda.

Le affermazioni per messaggio variano ancora di più. Una stima accademica ampiamente condivisa collegava una bottiglia da 500 ml a circa 20–50 risposte del modello linguistico; i valori successivi degli operatori per i prompt di testo medi erano molto più bassi. I loro modelli, ubicazioni e confini contabili differiscono. La nostra guida a come l’intelligenza artificiale utilizza l’acqua spiega perché nessun confronto tra bottiglie si applica a ogni messaggio.

L'hardware ha un'impronta prima che l'intelligenza artificiale venga attivata

L'energia operativa e l'acqua sono solo una parte del ciclo di vita. Gli acceleratori richiedono materiali estratti e lavorati, la fabbricazione di semiconduttori, il trasporto e infine lo smaltimento. La costruzione del data center utilizza acciaio, cemento, cavi e apparecchiature di backup. La produzione può anche richiedere acqua ultrapura e produrre gas serra.

Le stime pubbliche per query raramente assegnano tutti questi impatti. Non esiste un metodo concordato e controllato per dividere l’impronta di produzione di un chip tra formazione, inferenza e ogni altro lavoro svolto durante la sua vita utile. Lasciare fuori l'hardware rende un numero incompleto; allocarlo con ipotesi di utilizzo speculativo può creare una falsa precisione.

La risposta sensata è stabilire il confine. Una stima dell’energia per inferenza può rispondere “all’incirca quanta elettricità operativa ha richiesto questa risposta?” Da solo, non può rispondere “qual è stato l’impatto ambientale completo di questo servizio di intelligenza artificiale?” Nostro metodologia segue questa regola: le entrate di Treechat sono stime basate sul modello e sull'utilizzo del token, sulle spese generali del data center e su un fattore di rete medio, non su misurazioni dell'intero ciclo di vita.

L’intelligenza artificiale può aiutare, ma l’impatto evitato deve essere dimostrato

Esistono usi benefici credibili. L'IEA descrive le applicazioni nella previsione energetica, nel funzionamento della rete, nell'ottimizzazione industriale e nel rilevamento delle perdite di metano. Previsioni migliori possono aiutare a integrare la generazione rinnovabile variabile; un rilevamento più rapido delle perdite può prevenire le emissioni; e i controlli degli edifici possono ridurre lo spreco di energia.

Ma una possibile applicazione non è un risparmio ottenuto. Il confronto rilevante include l’impronta propria del sistema di intelligenza artificiale, l’implementazione su larga scala, il comportamento umano e gli effetti di rimbalzo. Un ottimizzatore di percorso che fa risparmiare carburante può essere utile. Se i costi più bassi portano a guidare molto di più, il risultato netto può ridursi o invertirsi. Un modello che scopre un materiale a basso contenuto di carbonio necessita ancora di convalida e adozione in laboratorio.

Questa è la distinzione chiave nel chiedere se l’intelligenza artificiale fa bene all’ambiente: la capacità non è il risultato. Cercare una linea di base misurata, un controfattuale credibile, un confine di sistema dichiarato e risultati nel tempo. Diffidare quando un fornitore conta ogni possibile risparmio ma omette l'elaborazione necessaria per produrlo.

Quanto è dannoso un uso particolare?

Inizia con il compito. Un modello specializzato che esegue una classificazione può essere molto più leggero di un generatore generico. Negli esperimenti su compiti comuni di apprendimento automatico, Luccioni, Jernite e Strubell hanno scoperto i sistemi generativi erano sostanzialmente più energivori rispetto a modelli specifici per attività che svolgono funzioni comparabili. I risultati dei loro benchmark non sono misurazioni universali del prodotto, ma mostrano perché la scelta del modello e dell’attività è importante.

Quindi chiedi informazioni su volume e modalità. Alcune brevi risposte di testo non equivalgono a milioni di output lunghi o alla generazione ripetuta di immagini e video. Quindi chiedi dove viene eseguito il servizio, con quanta efficienza la struttura utilizza energia elettrica e acqua e cosa rivela effettivamente il fornitore.

Infine, considera le alternative. Una normale ricerca, una calcolatrice, uno script locale o un documento esistente possono risolvere il problema con meno calcoli. Per un lavoro che trae realmente vantaggio dall'intelligenza artificiale, utilizza il modello più piccolo, mantieni il focus sul contesto ed evita di generare variazioni usa e getta. Vedi il nostro articolo completo verifica del mito su quanto sia realmente pessima l’intelligenza artificiale.

Cosa può fare un lettore responsabile

Non hai bisogno di un perfetto calcolatore personale del carbonio per fare scelte migliori. Riserva ragionamenti pesanti, agenti, immagini e video per il lavoro che ne ha bisogno. Utilizza suggerimenti brevi e chiari e fermati quando la risposta è abbastanza buona. Scegli fornitori che divulghino metodi anziché presentare numeri precisi senza limiti.

La moderazione individuale non sostituisce la politica infrastrutturale o il reporting aziendale. Gli operatori controllano la posizione della struttura, il raffreddamento, l'utilizzo dell'hardware e l'approvvigionamento energetico. I governi e gli enti regolatori determinano la pianificazione della rete, i permessi idrici e la divulgazione. I grandi clienti possono chiedere ai fornitori dati su energia, acqua ed emissioni specifici del carico di lavoro.

L’approccio di Treechat è volutamente più ristretto: indirizzare le domande quotidiane a modelli più piccoli, mostrare una ricevuta stimata e finanziare un albero appena piantato ogni mese per ogni membro pagante. Quella piantagione non cancella il calcolo. Si tratta di un contributo a parte, mentre la scelta del modello affronta la stima operativa. La spiegazione più ampia di come l’intelligenza artificiale influisce sull’ambiente è ancora la cornice migliore di qualsiasi etichetta verde o colpevole.

Domande frequenti

Una domanda sull’intelligenza artificiale è dannosa per l’ambiente?

Una domanda di testo breve ha un impatto operativo ridotto, ma non è pari a zero. Il modello, la lunghezza della risposta, l'efficienza del data center e il mix energetico determinano quanto piccolo. La preoccupazione maggiore riguarda l’uso ripetuto da parte di milioni di persone e modalità più intensive.

L'intelligenza artificiale è peggiore della ricerca Google?

Non esiste un rapporto atemporale. I prodotti di ricerca e intelligenza artificiale cambiano, alcune ricerche ora includono risposte generate e le stime pubblicate utilizzano anni e confini diversi. Confronta un'attività definita utilizzando dati attuali e simili.

L’energia rinnovabile può rendere l’intelligenza artificiale verde?

L’elettricità più pulita può ridurre notevolmente le emissioni operative. Non rimuove l’uso dell’acqua, la produzione di hardware, la costruzione o ogni effetto della rete locale, e l’adeguamento annuale rinnovabile non è la stessa cosa del funzionamento orario senza emissioni di carbonio.

Dovrei smettere di usare l’intelligenza artificiale?

Non necessariamente. Usalo dove produce un valore sufficiente a giustificare le risorse e preferisci un modello più piccolo e capace. La domanda migliore non è se tutta l’intelligenza artificiale sia buona o cattiva, ma se questo sistema sia un modo proporzionato per svolgere questo compito.