“I modelli (di intelligenza artificiale) sono costosi da addestrare (oltre che da sviluppare), e lo sono sia dal punto di vista finanziario, a causa del costo dell’hardware e dell’elettricità consumata nell’elaborazione, sia di conseguenza dal punto di vista ambientale”, spiega Giovanna Sissa nel libro “Le emissioni segrete: L’impatto ambientale dell’universo digitale (Farsi un’idea)”.
“Il processo di apprendimento profondo (deep learning) ha dunque un impatto ambientale considerevole.
I ricercatori dell’Università del Massachusetts-Amherst, già nel 2019, hanno eseguito una valutazione del ciclo di vita per l’addestramento di diversi modelli di IA di grandi dimensioni utilizzati nell’elaborazione del linguaggio naturale. Nella valutazione mostrano come alimentare l’hardware di questi modelli richieda una quantità di energia elettrica (che varia a seconda del tipo di LLM, del numero di parametri, del tipo di unità di elaborazione usata) tale da arrivare a emettere consistenti quantità di anidride carbonica.
Un articolo di ottobre 2023 della rivista «Joule», riporta che alcuni LLM, addestrati su terabyte di dati e con miliardi di parametri, hanno utilizzato fra 324 e 1287 MWh di elettricità per essere addestrati.
Dal 2012 la quantità di computing (calcolo) utilizzata per addestrare un singolo modello di IA è aumentata di 10 volte ogni anno. Ciò è dovuto al fatto che gli sviluppatori continuano a trovare nuovi metodi per utilizzare un maggior numero di chip in parallelo e sono disposti a pagarne il costo economico, sia nell’acquisto che nell’uso dell’hardware specifico.
Privilegiare gli obiettivi economici immediati porta a tralasciare il costo ambientale che comporta il continuo aumento dei cicli di calcolo per incrementare sempre di più l’efficienza. I miglioramenti esponenziali in termini di velocità e precisione sono conseguiti nella scia di quello che alcuni chiamano «massimalismo computazionale», che ha un profondo impatto ecologico.
Abbiamo parlato di elaborazione del linguaggio naturale, ma l’IA generativa può produrre immagini, programmi informatici, musica e altro ancora. Ad esempio, i sistemi generativi text-to-image (si pensi a Midjourney) sono in grado di produrre un’immagine a partire da una descrizione fornita dall’utente.
Qualsiasi sia l’output di un sistema di IA generativa richiede energia anche quando viene prodotto – e non solo quando viene addestrato il relativo modello. La generazione di immagini, ad esempio, è molto onerosa in termini energetici, più di quanto lo sia la generazione di testi.
Alcuni ricercatori di due importanti università statunitensi, a fine 2023, hanno misurato sui sistemi generativi che produrre un’immagine può arrivare a consumare l’elettricità pari alla ricarica di uno smartphone (circa 0,012 kWh). In media un’immagine richiede 60 volte l’energia consumata per produrre un testo. Gli utenti di IA generativa possono farne un uso intenso, soprattutto quando a esserne utenti sono delle macchine ossia quando tali sistemi sono incorporati in altri servizi”.
Il libro “Le emissioni segrete: L’impatto ambientale dell’universo digitale (Farsi un’idea)” di Giovanna Sissa lo trovate qui.
Le opinioni espresse in questo articolo sono dell’autore.
Leggi le ultime news su: https://w3b.today
Può interessarti anche: Un “gemello digitale” per gestire il ciclo dell’acqua
Seguici su Telegram https://t.me/presskit
Seguici su Facebook https://www.facebook.com/presskit.it
Copiate l’articolo, se volete, vi chiediamo solo di mettere un link al pezzo originale.
