Intelligenza artificiale e ambiente: per Huang serviranno sacrifici umani

L’IA può aiutare le previsioni climatiche, ma ha un costo ambientale fatto di energia e risorse. Huang indica i sacrifici necessari per renderla sostenibile.

Intelligenza artificiale e ambiente: per Huang serviranno sacrifici umani
Lorenzo Pascucci 
Rimani aggiornato con WebMasterPoint
Fonte preferita Google X Instagram

L’intelligenza artificiale può aiutare a prevedere il clima, ma il suo sviluppo ha un costo ambientale fatto di energia e risorse. Il paradosso mette in luce i sacrifici necessari e le scelte per renderla sostenibile.

Jensen Huang, amministratore delegato di NVIDIA, ha detto agli studenti di Stanford nel 2024 che "augura ampie dosi di dolore e sofferenza" a chiunque, una dichiarazione che oggi risuona in modo diverso mentre l’intelligenza artificiale promette di rivoluzionare la lotta alla crisi climatica. La frase, pronunciata durante il SIEPR Economic Summit, non era una minaccia letterale ma una metafora per descrivere i compromessi necessari per raggiungere progressi tecnologici significativi.

Il paradosso ambientale dell'intelligenza artificiale

L’intelligenza artificiale può migliorare le previsioni meteorologiche, ottimizzare le reti elettriche rinnovabili e monitorare gli ecosistemi, ma richiede data center che consumano elettricità e acqua. Secondo l’Agenzia Internazionale per l’Energia, il settore dei data center rappresentava circa l’1% del consumo globale di elettricità nel 2022, una quota destinata a crescere con l’espansione dell’IA generativa. La stessa NVIDIA, con una quota di mercato superiore all’80% nei chip per IA, vende sistemi da 250.000 dollari che pesano 35 chilogrammi e contengono 35.000 componenti, ciascuno con un impatto ambientale significativo.

Da previsioni climatiche a costi materiali

Le applicazioni ambientali dell’IA sono già concrete: modelli come FourCastNet e GraphCast prevedono eventi meteorologici estremi con precisione paragonabile ai sistemi tradizionali, mentre l’ottimizzazione delle batterie solari e dei parchi eolici riduce gli sprechi energetici. Tuttavia, ogni miglioramento algoritmico richiede ulteriori capacità di calcolo, creando un circolo vizioso in cui la soluzione alla crisi climatica genera essa stessa emissioni. I data center che addestrano questi modelli consumano acqua per il raffreddamento e dipendono da una catena di approvvigionamento di semiconduttori ad alta intensità di risorse.

La visione di Huang sull’innovazione tecnologica implica che la transizione verso un’economia a basse emissioni richiederà "sacrifici" non solo in termini di investimenti, ma anche di abitudini consolidate e di distribuzione dei costi. La sua filosofia del dolore e della sofferenza come motori del progresso si applica all’intero ecosistema: aziende, governi e cittadini dovranno adattarsi a nuove limitazioni, mentre il settore tecnologico continua a espandere la propria impronta ecologica.

Cosa deve cambiare perché l'IA diventi uno strumento sostenibile

Per ridurre l’impatto ambientale dell’IA e rendere verificabili i progressi, servono tre interventi:

  • Misurare e comunicare i consumi: rendere obbligatoria la trasparenza sull’impatto energetico dei modelli, con standard verificati da enti terzi.
  • Alimentare i data center con rinnovabili: affiancare alla crescita dell’IA investimenti in nuova capacità energetica pulita.
  • Far pagare i costi ambientali: applicare prelievi sul consumo elettrico dei data center commisurati alle emissioni generate.

Questi interventi permettono di confrontare i benefici ambientali dell’IA con i costi necessari a ottenerli.