Il potenziale del settore dell’intelligenza artificiale di rivaleggiare con il consumo di elettricità nazionale
La rapida espansione dell'intelligenza artificiale nel 2022 e nel 2023, guidata dal successo di OpenAI'S ChatGPT, ha sollevato preoccupazioni circa il consumo di elettricità e l'impatto ambientale. Il consumo di elettricità dei data center, che rappresenta solo l’1% del consumo globale di elettricità, potrebbe essere aumentato del 6% tra il 2010 e il 2018. Questo commento esamina il consumo di elettricità dell’intelligenza artificiale e le sue potenziali implicazioni, discutendo scenari sia pessimistici che ottimistici e mettendo in guardia contro l’adozione di entrambi gli estremi .
IA, inclusi strumenti di IA generativa come ChatGPT ed OpenAIDALL-E di utilizza l'elaborazione del linguaggio naturale per creare nuovi contenuti. La fase di formazione, spesso ad alta intensità energetica, prevede l’alimentazione di grandi set di dati e la regolazione dei parametri per allineare i risultati previsti con i risultati target. La fase di inferenza, in cui i modelli generano output, ha ricevuto poca attenzione in letteratura. Tuttavia, la fase di inferenza può contribuire in modo significativo ai costi del ciclo di vita di un modello di intelligenza artificiale, con Google che afferma che il 60% del consumo energetico legato all’intelligenza artificiale deriva dall’inferenza.
Secondo il ricercatore Alex de Vries della School of Business and Economics di Amsterdam, il consumo energetico delle aziende di intelligenza artificiale potrebbe raggiungere proporzioni sconcertanti entro il 2027, paragonabili a quelle di intere nazioni come Argentina, Paesi Bassi e Svezia.
| Leggi Anche: Training AI e crisi idrica: uno sguardo alla sorprendente connessione tra ChatGPT e utilizzo dell'acqua |
De Vries fa derivare i suoi calcoli dalle consegne previste di server AI da parte del leader di mercato Nvidia nel 2023. Le sue stime indicano un aumento sostanziale, da 100mila server quest'anno a 1.5 milioni di server entro il 2027.
Supponendo che questi server funzionino a piena capacità, il loro consumo energetico aumenterà dagli attuali 6-9 terawattora (TWh) all’anno all’incredibile cifra di 86-134 TWh all’anno entro il 2027. In prospettiva, la Svezia consuma 125 TWh di energia ogni anno.
Inoltre, se oggi Google trasferisse esclusivamente il suo servizio di ricerca agli algoritmi di intelligenza artificiale, i soli costi energetici ammonterebbero a 29.3 TWh all’anno, equivalenti al consumo energetico annuale dell’Irlanda.
De Vries riconosce che uno scenario del genere rimane improbabile, in parte perché Nvidia attualmente deve affrontare difficoltà nel fornire la quantità richiesta di server AI. La scarsità di questi server si traduce anche in costi elevati. Ad esempio, il passaggio teorico di Google a un approccio interamente basato sull’intelligenza artificiale annullerebbe il margine operativo dell’azienda.
Il funzionamento dell'algoritmo AI è finanziariamente oneroso per le aziende e una monetizzazione efficace rimane sfuggente. Paradossalmente, man mano che il numero degli utenti cresce, i costi tecnologici aumentano anziché diminuire. Microsoft sta tentando di trarre vantaggio dall’hype sull’intelligenza artificiale generativa per creare un mercato per tali servizi e fare soldi. Tuttavia, la società ha dovuto affrontare perdite finanziarie sui suoi primi prodotti generativi, come il Servizio GitHub Copilot, che ha perso da $ 20 a $ 80 per utente. Per evitare ciò, Microsoft ha deciso di rilasciare componenti aggiuntivi AI per i suoi prodotti popolari, che possono aumentare il costo del prodotto. Anche Google e Microsoft incontrano difficoltà nel monetizzare i servizi di intelligenza artificiale a causa degli elevati costi di manutenzione. Aziende come Microsoft e Google richiedono 30 dollari aggiuntivi per mantenere i modelli di intelligenza artificiale. I creatori di Zoom stanno anche tentando di risparmiare denaro sviluppando i propri algoritmi e prendendo in prestito altri per compiti complessi. Adobe e altre società limitano l'uso delle reti neurali in base a piani tariffari. Le aziende sperano che il costo dei modelli di intelligenza artificiale diminuisca nel tempo, ma prima che ciò accada dovranno spendere centinaia di milioni di dollari.
I miglioramenti nell’efficienza dell’hardware, nelle architetture dei modelli e negli algoritmi potrebbero potenzialmente ridurre il consumo di elettricità legato all’intelligenza artificiale a lungo termine. Ciò potrebbe essere dovuto a Il paradosso di Jevons, dove l’aumento dell’efficienza porta a un aumento della domanda, che porta a un aumento netto dell’uso delle risorse. Inoltre, il riutilizzo delle GPU per attività legate all’intelligenza artificiale, come il “mining 2.0” di Ethereum, potrebbe spostare 16.1 TWh del consumo annuale di elettricità verso l’intelligenza artificiale.
Il consumo di elettricità legato all’intelligenza artificiale è incerto, ma potrebbe potenziare applicazioni come Ricerca Google. Tuttavia, i limiti delle risorse possono limitare la crescita. Gli sforzi per migliorare l’efficienza dell’intelligenza artificiale potrebbero innescare un effetto di rimbalzo, aumentando la domanda di intelligenza artificiale. Gli sviluppatori dovrebbero concentrarsi sull’ottimizzazione dell’intelligenza artificiale e sulla sua necessità, mentre i regolatori dovrebbero considerare i requisiti di divulgazione ambientale.
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
Altri articoli
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
