Navigare nell’AI Responsabile per l’Azione Climatica
Il Rapporto Brundtland delle Nazioni Unite del 1987, che definisce lo sviluppo sostenibile come “sviluppo che soddisfa i bisogni del presente senza compromettere la capacità delle future generazioni di soddisfare i propri bisogni”, è un esempio notevole di come sia stata proposta la nozione di sostenibilità. Nell’era dell’intelligenza artificiale (AI), questa definizione sottolinea l’importanza di trovare un equilibrio tra le esigenze attuali e la protezione delle risorse future.
Oggi, l’AI è caratterizzata da una chiara dicotomia: sebbene promuova l’efficienza e soluzioni creative a problemi ambientali e sociali complessi, pone anche crescenti richieste di risorse che stanno iniziando ad avvicinarsi ai fabbisogni energetici di interi paesi.
Impatto Ambientale dell’AI
Numerosi casi d’uso con un focus ambientale sono emersi man mano che l’AI diventa sempre più prevalente in vari settori e aree geografiche. Prendiamo ad esempio il movimento AI for Good, supportato da istituzioni come le Nazioni Unite, che si concentra su come l’AI possa essere utilizzata per aiutare a raggiungere gli Obiettivi di Sviluppo Sostenibile (SDGs), molti dei quali sono focalizzati sulla lotta contro il cambiamento climatico (ad esempio, l’Obiettivo 13).
Infatti, secondo il Think Tank del Parlamento Europeo, l’intelligenza artificiale potrebbe essere utilizzata per ridurre le emissioni di gas serra a livello mondiale del 1,5-4% entro il 2030, contribuendo così a raggiungere l’Obiettivo 13.
Poiché l’AI ha il potenziale di influenzare il pianeta, le persone e i profitti, comporta anche un significativo dovere di regolare i suoi effetti. I requisiti di alto consumo energetico per l’addestramento e il mantenimento di modelli di apprendimento automatico sofisticati sono solo uno dei costi ambientali associati alla catena di approvvigionamento per i sistemi di AI e al loro continuo funzionamento.
Impronta Ambientale Notabile dell’AI
1. Consumo di energia: I modelli di AI richiedono una notevole quantità di potenza di elaborazione a causa della loro complessità. Questo requisito porta a un consumo energetico sostanziale, specialmente durante il periodo di addestramento, che può essere lungo per modelli più complessi.
2. Emissioni di gas serra (GHG): Emissioni significative di gas serra sono frequentemente innescate dall’elevato fabbisogno energetico per funzionare i sistemi di AI, in particolare se quell’energia proviene da centrali elettriche non rinnovabili.
3. Consumo d’acqua: I grandi data center, che sono infrastrutture essenziali necessarie per addestrare e implementare modelli di AI sempre più avanzati, necessitano di sistemi di raffreddamento intensivi in acqua per evitare il surriscaldamento e mantenere la funzionalità.
4. Rifiuti hardware ed elettronici: I server, le GPU e altre tecnologie specializzate che alimentano l’AI hanno un impatto anche sull’ambiente. La produzione e lo smaltimento di questi dispositivi richiedono una grande quantità di estrazione di risorse, emissioni di produzione e rifiuti elettronici, tutti in grado di inquinare l’ambiente.
Una soluzione più sostenibile che sta guadagnando terreno è l’uso di grandi modelli di AI su dispositivi edge, come indossabili, altoparlanti intelligenti e smartphone. A causa della loro potenza di elaborazione limitata, i dispositivi edge non possono eseguire modelli complessi con miliardi di parametri, riducendo così i costi operativi del cloud computing e il consumo energetico del trasporto dei dati.
Possibili Vie da Seguire
La recente emergenza climatica richiede la mobilitazione di tutti gli attori della scienza, dell’industria, della politica e della società civile. Il Gruppo di Lavoro sull’AI Responsabile ha formato un Comitato sull’Azione Climatica e la Preservazione della Biodiversità per iniziare ad affrontare le questioni riguardanti il potenziale dell’AI nel supportare l’azione climatica.
Poiché l’intelligenza artificiale è uno strumento polivalente, deve essere sviluppata correttamente in tutte le situazioni. La giustizia e l’equità, la responsabilità, la sicurezza, la privacy, la protezione e la robustezza sono solo alcuni dei principi dell’AI responsabile che sono universali attraverso i domini applicativi.
È fondamentale anche la qualità dei dati, poiché l’accuratezza, la tempestività e la completezza dei dataset influenzano notevolmente l’affidabilità e le prestazioni dei sistemi di AI. Incoraggiare la responsabilità e la trasparenza nei sistemi di AI è un altro aspetto cruciale per costruire fiducia e mitigare le preoccupazioni etiche legate all’AI.
In conclusione, il pieno sfruttamento del potenziale dell’AI per combattere il cambiamento climatico richiederà un approccio coordinato all’etica, alla trasparenza e alla responsabilità.
Utilizzando la potenza rivoluzionaria dell’AI, gli attori possono affrontare efficacemente le sfide climatiche mantenendo elevati standard etici e promuovendo pratiche responsabili nell’AI.
