L'impatto dell'IA sulla sostenibilità e il suo monitoraggio

Dialogic ha condotto, su commissione del Ministero degli Affari Economici, una ricerca sull'impatto della sostenibilità dello sviluppo e dell'uso dell'IA, e su come questo possa essere meglio monitorato. Abbiamo lavorato insieme a Pb7 Research e all'Università di Utrecht. Nei media e nella letteratura scientifica, è stato scritto molto sull'impatto dell'IA sulla sostenibilità. Viene anche discusso il consumo energetico che potrebbe derivare, ad esempio, dall'interrogazione di ChatGPT, confrontato con le ricerche regolari. Le stime variano notevolmente, principalmente a causa del metodo di definizione, del metodo di calcolo e delle ipotesi adottate. Lo scopo della presente ricerca non è quello di confermare queste stime o di giungere a una nuova stima. L'obiettivo principale è fornire una panoramica dei fattori sottostanti e del modo in cui essi sono correlati, a beneficio della formulazione delle politiche. Per fare ciò, questa ricerca approfondisce il funzionamento dell'IA e la catena che va dall'uso dell'IA all'impatto finale sulla sostenibilità. Inoltre, forniamo una visione delle previste evoluzioni future.

Offerta di applicazioni di intelligenza artificiale

L'offerta di servizi di IA è in forte evoluzione. Diverse parti di mercato cercano di conquistare il mercato e offrono a questo scopo servizi di intelligenza artificiale economici o gratuiti. La principale tendenza dal punto di vista tecnologico è la scala dell'IA, in particolare per quanto riguarda la dimensione dei modelli di IA (numero di parametri), la capacità computazionale impiegata per l'addestramento e la capacità computazionale durante l'inferenza (attraverso la scalabilità del tempo di inferenza e l'ascesa dell'IA agentica). Infine, vediamo sempre più differenziazione (differenti varianti di modelli e relativi prezzi, nonché una determinazione dinamica dei prezzi). L'offerta dipende fortemente dalla capacità (computazionale) disponibile nei datacenter. Molta IA viene fornita agli utenti olandesi dall'estero. La disponibilità di capacità computazionale per l'IA e altro in Olanda è limitata fino almeno al 2030.  

Utilizzo di applicazioni di intelligenza artificiale

L'uso dell'IA riguarda il numero di utenti (adozione), l'intensità dell'uso e la qualità dell'uso. L'adozione dell'IA sta aumentando sia tra i consumatori che tra le aziende. Al momento è difficile prevedere come si evolverà l'intensità dell'uso: quali funzioni di IA gli utenti continueranno ad utilizzare in modo sistematico? È chiaro che lo sviluppo dell'uso è fortemente guidato dall'offerta. I fornitori di servizi di IA sono in forte concorrenza tra loro e offrono servizi di IA sempre migliori gratuitamente o a basso costo. Un limite importante in questo contesto è la disponibilità di capacità computazionale. In particolare, l'uso dell'IA per la generazione di immagini e video richiede molta capacità computazionale. In futuro, ci aspettiamo che lo sviluppo dell'uso dell'IA sia più guidato dalla domanda.

Consumo energetico dell'IA

Ci sono tre fasi rilevanti in cui l'IA consuma energia:

• La fase di raccolta e elaborazione dei dati necessari per addestrare l'IA è la prima fase, per la quale è necessaria una quantità limitata (ma sostanziale) di energia.
• La fase di addestramento e valutazione che ne segue è molto energia-intensiva. In pratica, la quantità di capacità computazionale (e quindi indirettamente la quantità di energia disponibile) in questa fase determina la dimensione del modello e del dataset di addestramento. Con hardware più efficiente, è possibile addestrare una 'migliore' IA con la stessa quantità di energia. Questo consumo energetico è teoricamente unico e può essere ammortizzato sull'uso utile successivo dell'IA.
• La fase di inferenza: qui il consumo energetico dipende principalmente dall'uso (numero di richieste e dimensioni/qualità della risposta generata). L'IA per la generazione di immagini consuma notevolmente più energia rispetto all'IA che genera testo, e per la generazione di video il consumo energetico è ancora maggiore. Sviluppi come lo scaling del tempo di inferenza aumentano il consumo energetico nella fase di inferenza. L'ascesa degli agenti implica l'esecuzione proattiva di compiti di IA, il che può comportare un maggiore consumo energetico. Con hardware più efficiente, il raggruppamento e il miglioramento nell'architettura dei modelli di IA, è possibile ridurre il consumo energetico per richiesta.

In Olanda, il consumo energetico dell'IA sarà limitato fino almeno al 2030 a causa della disponibilità di capacità dei data center. Attualmente, stimiamo che il consumo energetico dell'IA in Olanda nel 2023 sia compreso tra 41 GWh e 107 GWh all'anno. A seconda dello scenario futuro scelto, nel 2030 ci aspettiamo un consumo compreso tra 2,9 TWh (scenario mediano) e 4,7 TWh (scenario più alto) all'anno.

Emissioni dell'IA

La principale forma di emissione dovuta all'IA è l'emissione di CO2 durante la produzione dell'energia necessaria (scope 2 del settore digitale) nelle fasi di addestramento e di inferenza. Attualmente, queste emissioni si verificano principalmente attorno ai data center. Le emissioni non necessariamente avvengono nei Paesi Bassi per l'uso olandese (sia i data center che la produzione di energia possono trovarsi all'estero), e viceversa (i Paesi Bassi possono produrre per l'estero). Poiché al momento c'è più domanda che offerta, è importante considerare le emissioni dei data center nei Paesi Bassi utilizzati per l'IA. L'emissione per quantità di energia elettrica consumata (fattore di emissione) diminuisce nei Paesi Bassi. Inoltre, i data center utilizzano in larga parte energia verde (prodotta senza emissioni), anche se ci sono sfumature nel sostenere che questo non comporti alcuna emissione. Oltre a queste emissioni scope 2, ci sono emissioni di scope 1 (provenienti principalmente dai generatori interni dei data center) in misura limitata. Nell'ambito dello scope 3, vediamo emissioni (upstream) dalla produzione dell'hardware necessario e dai fornitori, e (downstream) soprattutto dal riciclaggio di esso. I rapporti EED e i dati ETS della NEa forniscono dati rilevanti per il Monitoraggio. Tuttavia, non ci sono sufficienti dati disponibili su (1) quale parte della capacità di un data center è dedicata all'IA (secondo una definizione coerente), (2) in che misura viene utilizzata l'energia verde e/o le opportunità di raffreddamento localmente disponibili, e (3) le emissioni in loco (scope 1) e la composizione energetica (scope 2). Inoltre, lo scope 3 dall'esterno è difficile da valutare.

Consumo di acqua da parte dell'IA

I data center in cui avviene l'addestramento e l'inferenza dell'IA consumano acqua per il raffreddamento, con WUE come misura convenzionale dell'efficienza (consumo d'acqua per unità di capacità di raffreddamento). Solo una parte di questo consumo d'acqua è acqua potabile, il resto è acqua industriale. Nel contesto olandese, è particolarmente importante valutare il consumo di acqua potabile. Introduciamo il parametro WUEp (consumo di acqua potabile per unità di capacità di raffreddamento) per questa valutazione. È importante notare che, come tutte le aziende, i data center vengono chiusi per primi in caso di scarsità di acqua potabile. Il consumo totale di acqua potabile del settore al momento non mette una grande pressione sulla fornitura olandese di acqua potabile e non la mette a rischio. Tuttavia, a causa del rischio di non disponibilità di acqua potabile, i data center olandesi devono cercare alternative di raffreddamento che utilizzino meno o niente acqua potabile.