Negli Atti dell’Accademia delle Scienze di Ferrara Giorgio Rispoli nel suo articolo Intelligenza naturale e intelligenza artificiale…o idiozia artificiale, intende dimostrare che i più avanzati sistemi di AI (Intelligenza Artificiale) che richiedono consumo energetici dell’ordine dei megawatt e strumenti del peso di centinaia di kg, offrono prestazioni minori del sistema nervoso di un insetto (intelligenza naturale) che ha peso e consumi energetici miliardi di volte inferiori a quelli di un supercomputer e differenze di potenziale di meno di 100 millesimi di volt.
L’intelligenza naturale degli insetti e quella dell’essere umano hanno un’architettura molto simile. La differenza è nel numero di neuroni: il cervello umano ne contiene 100 miliardi con un milione di miliardi di sinapsi. Questo sistema così complesso è in grado di generare pensieri, emozioni, ricordi, auto coscienza.
L’intelligenza è quindi la capacità di affrontare e risolvere con successo situazioni e problemi nuovi o sconosciuti e un singolo neurone è potente dal punto di vista computazionale quanto un potentissimo microprocessore. È sensato parlare di intelligenza per quanto artificiale anche in un potente computer quantistico del futuro che tratterebbe algoritmi che gestiscono dei calcoli in modo ultrarapido perché così sono stati programmati? Il vantaggio è che ci sono tanti settori di ricerca che si avvalgono della velocità di calcolo e di presentazione di nuovi scenari di conoscenza come la scoperta di nuovi farmaci in medicina.
Il più potente circuito integrato attuale è il microprocessore A64FX della Fujitsu. È utilizzato nel più potente supercomputer del mondo il Fugaku (Kobe, Giappone), che ne contiene 158.976, con cui è in grado di eseguire 415 milioni di miliardi di operazioni al secondo. Questo supercomputer ha bisogno di una potenza di 30 megawatt, ovvero necessita di una intera centrale elettrica per funzionare e ha bisogno di sistemi di raffreddamento che consumano altra energia, pesa circa trecento tonnellate, per un costo di un miliardo di dollari.
L’allenamento e la realizzazione di modelli complessi come ChatGPT impattano pesantemente sull’ambiente per i forti consumi d’acqua per il raffreddamento del calore prodotto nell’elaborazione dei dati e per il consumo elettrico che nel caso di utilizzo di fonti fossili nella produzione energetica causa emissione di CO2. Kate Crawford (Rizzoli Education) si occupa di impatto sociale ed ecologico dell’Intelligenza Artificiale. Facendo riferimento alla CO2 prodotta nel 2018 dai data center cinesi dove il 73% dell’energia è prodotta dal carbone stima l’emissione di 96 milioni di ton di CO2. Il footprint di carbonio è approssimativamente di 0,056 kg di CO2eq per ogni ora di funzionamento di un server. Nell’articolo Adressing the Secret Water Footprint of AI models viene stimato che l’addestramento di modelli come GPT-3 abbia comportato nei moderni data center statunitensi di Google il consumo nel 2023 di 23 miliardi di litri di acqua.
Nel 2022 il Ceo di AMD (Advanced Micro Devices) ha ipotizzato che i consumi energetici dei sistemi Machine Learning nel caso i consumi energetici continuassero con lo stesso trend si arriverebbe a metà secolo a superare la produzione mondiale di energia. L’implementazione di AI su Google comporta il consumo di 29 Terawatt/anno, equivalente al consumo energetico dell’Irlanda. La domanda di energia elettrica per data center è destinata a un aumento del 500% alla fine 2030. Sam Altman cofondatore di OpenAI ha investito 375 milioni di dollari in Helion Energy una startup che punta alla possibilità di un impianto a fusione nucleare entro il 2028. Altman considera che la fusione nucleare sia essenziale per lo sviluppo delle AI, peccato che la possibilità concreta di realizzare un impianto a fusione risulti molto lontana. Secondo uno studio del S&P Global Commodity Insights relativo agli USA, entro il 2030 si stima che l’AI possa raggiungere il 4% della domanda mondiale di energia. In un altro studio di SemiAnalysis pubblicato sulla rivista Joule si stima che l’utilizzo di una ricerca di AI generativa come ChatGPT richieda il lavoro di più di 500.000 server A100HGX Invidia e una potenza di 6,5 kW per server, con un consumo giornaliero di 80 GWh e un consumo annuale di 29 TWh.
Bisogna sapere che per alimentare Internet nel 2022 sono stati necessari nel mondo 800TWh di energia elettrica. Quantità che potrebbe raddoppiare entro il 2030.
In gennaio DeepSeek , la startup cinese che spaventa OpenAI , viene creata in un laboratorio cinese, è un modello open source che ha cambiato la struttura fondamentale dei modelli di AI perchè utilizza in modo più efficiente l’energia, ottimizza le risorse del software, mette in comune le competenze collettive e promuove l’innovazione collaborativa. È nata come Fire Flyer, un ramo di ricerca sul deep learning, che ha costruito supercomputer per analizzare dati finanziari, indirizzandosi però su modelli di avanguardia nello sviluppo dell’Intelligenza Artificiale.
Secondo il fondatore Liang Wenfeng, DeepSeek è stata creata per risolvere le questioni più difficili in modo sostenibile perché l’addestramento è svolto in modo più efficiente. Necessita di un decimo della potenza di calcolo rispetto ad altri sistemi.
Le aziende tecnologiche confidano nei computer quantistici per avere AI con consumi bassi di energia e impatti minimi sull’ambiente. Dovrebbero essere in grado in grado di effettuare in pochi minuti calcoli che i più potenti supercomputer esistenti di oggi svolgerebbero migliaia di anni. Per lo stesso calcolo un computer quantistico consumerebbe 25kW laddove un supercomputer impiegherebbe una potenza tra i 1000 e i 10000 kW.
Fra le tante criticità riguardanti l’intelligenza artificiale, come le ricadute negative per l’eccesso di manipolazione e di utilizzo degli algoritmi, si fa largo anche qualche aspetto consolante: l’AI con le sue applicazioni smart permette di interpretare in modo affidabile i dati ambientali con la possibilità di previsioni molto attendibili sul trasferimento di inquinanti fra i vari comparti ambientali e l’impatto sul metabolismo umano, di elaborare piani di ottimizzazione del traffico e dei trasporti, si costruire reti smart per la distribuzione efficiente e più sicura dell’energia elettrica sul territorio. E di avere previsioni estremamente attendibili sugli scenari relativi all’effetto serra.
Lino Santoro
