Il consumo energetico dei sistemi AI è un tema di crescente rilevanza, in diretta correlazione con l’aumento esponenziale della richiesta di potenza computazionale necessaria per il loro funzionamento. Tutto ciò ha un impatto significativo sulle emissioni di CO2 legate al software e pone questioni serie sul ruolo delle aziende nello sviluppo di un software più green.
Tra data center dislocati strategicamente per ottimizzare il consumo di energia e l’addestramento dei sistemi AI come fattore chiave nella gestione energetica, emerge la figura dell’ingegneria del software green, una nuova disciplina che mira a conciliare progresso tecnologico e sostenibilità ambientale.
Il consumo energetico dei sistemi di Intelligenza Artificiale
Di quanto siano energivori i sistemi di Intelligenza Artificiale e quanto sia importante costruire i data center vicino alle fonti di energia, possibilmente rinnovabili, si è molto discusso in molte sedi.
Non a caso i più grandi cloud provider mondiali – Microsoft, Amazon e Google – hanno investito negli anni centinaia di milioni di dollari in tecnologie per la produzione di energie rinnovabili o per la riduzione dei consumi delle loro infrastrutture di elaborazione dati, arrivando anche a posizionare interi data center in mezzo al mare o nei paesi dal clima estremamente freddo per ridurre il costo del raffreddamento.
Ma tutto questo non basta, o meglio non basta a soddisfare la crescita esponenziale di fabbisogno energetico della nuova era di sistemi di intelligenza artificiale e applicazioni basate su di essa.
Se si guarda allo sviluppo di queste tecnologie negli ultimi 10 anni possiamo distinguere alcune fasi in maniera chiara: fino al 2020 si sono messi in piedi i primi sistemi che erano in grado di elaborare relativamente pochi dati con necessità di relativa poca capacità di calcolo. Questi sistemi hanno avuto bisogno di un primo lungo periodo di training per avere delle forme di intelligenza artificiale che potessero eseguire i primi task o dare i primi risultati: a domanda rispondo. Questo ha portato ad un apparente rallentamento dello sviluppo nel periodo 2020-2021 semplicemente perché da un lato la tecnologia avanzava, dall’altro la società nel suo complesso non aveva ancora adottato queste nuove tecnologie (e forse neanche oggi lo ha fatto ancora). In parallelo, da ChatGPT in poi, si sono sviluppati ulteriormente i sistemi ma la quantità di dati che sono in grado di elaborare è milioni di volte quella di appena pochi anni fa: occorre una capacità di calcolo, ed un conseguente consumo di energia, in crescita esponenziale.
L’importanza della posizione dei data center
Ecco perché non sorprendono gli investimenti di oltre 650 milioni di dollari di Amazon per costruire nuovi datacenters in Pennsylvania a ridosso di centrali nucleari per accaparrarsi l’energia necessaria “direttamente alla fonte”, mentre Microsoft investe 1,5 miliardi di dollari per G42 negli Emirati Arabi, creando centri di competenza e realtà che possano portare il futuro dell’AI e del cloud in zone del sud del mondo (l’Africa è di fronte) con almeno 10 anni di anticipo rispetto ad altri, e proprio in paesi ricchi di risorse economiche ed energetiche.
Secondo esperti come Dario Amodei, prima a capo del team di sviluppo di GPT-2 e GPT-3 ed oggi co-founder e CEO di Anthropic con il suo Claude 3, la crescita dei sistemi è appena all’inizio del tratto in salita ripida della curva esponenziale e la velocità con cui avanzerà dipenderà da pochi fattori chiave: la quantità di dati che riusciremo a far gestire, la capacità di istruire i sistemi sui nuovi dati, lo sviluppo tecnologico (le CPU per l’elaborazione in primis) e la disponibilità di energia.
L’addestramento dei sistemi di AI: un fattore chiave
Qui si introduce un fattore chiave importante: la capacità di istruire i sistemi che, oggi e ancora per lungo tempo, significherà avere a disposizione una quantità di persone sempre crescente che possa addestrare i sistemi di AI incluso con ciò che è etico, ciò che è giusto e ciò che bisogna fare in ogni processo decisionale che l’AI gestisce.
E ci vuole tempo, ma quanto tempo? In verità le stime variano dai 5 ai 40 anni, nulla rispetto ai millenni in cui l’essere umano ha formato la sua intelligenza e la sua cultura che messi insieme significa anche la giusta capacità decisionale. E questo è quello che mancherà ancora per un po’ di tempo ai sistemi di AI.
Se questi sono i tempi il consumo totale di energia dei sistemi computazionali dedicati alle nuove tecnologie sembra fagocitare lentamente gli altri consumi e non sostenibile con le fonti energetiche attuali anche in considerazione dell’elettrificazione di altre industrie in corso, una per tutte quella dei trasporti dalle auto elettriche ai mezzi di locomozione.
Le emissioni di CO2 legate al software
Il “green deal” deve quindi includere necessariamente il software, il modo in cui il software è scritto, ed anche tutti i sistemi hardware che entrano in gioco. Nessuno pensa infatti che, anche una sola pagina web caricata su un sito molto frequentato può generare in un anno, con appena 10.000 visite al mese, più emissioni di CO2 di un volo con un aereo di linea su una distanza di 5.000 km.
Secondo Ecograder, spesso infatti il codice inutilizzato, le immagini di dimensioni errate e script di terze parti, tra le altre cose, influiscono sulle emissioni di CO2 di un sito web. Tutti questi fattori influiscono sull’energia utilizzata per il trasferimento, il caricamento e l’elaborazione dei dati, consumando ancora più energia sui dispositivi degli utenti. Correggere e ottimizzare queste cose potrebbe ridurre fino al 93% le emissioni per caricamento di una pagina di un sito web non ottimizzato.
Anche se il software da solo non rilascia alcuna emissione, funziona sull’hardware dei data center e trasmette i dati attraverso le reti di telecomunicazione, che rappresentano ciascuna circa l’1% delle emissioni di gas serra legate all’energia. Il settore delle tecnologie dell’informazione e della comunicazione nel suo complesso è responsabile di circa il 2-4% delle emissioni globali di gas serra. Entro il 2040 tale cifra potrebbe raggiungere il 14%, ovvero quasi la stessa quantità di carbonio emessa oggi dai trasporti aerei, terrestri e marittimi messi insieme.
Nell’ambito del software, l’intelligenza artificiale ha un tema serio di sostenibilità. La società di intelligenza artificiale Hugging Face ha stimato l’impronta di carbonio del suo modello linguistico BLOOM durante il suo intero ciclo di vita, dalla produzione delle apparecchiature alla distribuzione: nella sola fase di addestramento finale di BLOOM si sono emesse 50 tonnellate di CO2, equivalenti a circa una dozzina di voli da New York a Sydney.
L’ingegneria del software green: una nuova disciplina emergente
L’ingegneria del software green è una disciplina emergente tesa a sviluppare le best practice per creare applicazioni che riducano le emissioni di carbonio, e sta rapidamente guadagnando consenso e adepti. Aziende come Salesforce hanno lanciato le proprie iniziative di sostenibilità del software, mentre la Green Software Foundation comprende ora 64 organizzazioni membri, tra cui i giganti della tecnologia Google, Intel e Microsoft. Ma il settore dovrà abbracciare queste pratiche in modo ancora più ampio se vuole evitare un peggioramento delle emissioni derivante dallo sviluppo e dall’utilizzo di software non ottimizzato.
Il percorso verso il software green è iniziato oltre 10 anni fa. Il Sustainable Web Design Community Group del World Wide Web Consortium (W3C) è stato fondato nel 2013, mentre la Green Web Foundation è nata nel 2006 con lo scopo di studiare i tipi di energia che alimentano Internet. Ora, la Green Web Foundation sta lavorando per raggiungere l’ambizioso obiettivo di un Internet senza fossili entro il 2030.
I motivi per cui sviluppare un software green vanno oltre il semplice risparmio energetico: il software green è un software efficiente, che consente ai programmatori di sviluppare sistemi più veloci e di qualità superiore che potrebbero anche significare costi inferiori per le aziende, oltre che aiutare le aziende a rispondere alle sempre più stringenti regole relative alla sostenibilità. L’Unione Europea, ad esempio, con la Direttiva sul Reporting di Sostenibilità aziendale impone alle aziende di essere più trasparenti sul proprio impatto ambientale, sul consumo di energia e sulle emissioni, comprese le emissioni relative all’uso dei loro prodotti, e di riportare dati precisi ed analitici.
Il ruolo delle aziende nello sviluppo di un software green
E visto l’impatto sociale che tecnologie come l’AI hanno, le aziende hanno la responsabilità di garantire che i software che stanno creando non danneggino l’ambiente cercando tecniche di sviluppo efficaci ed efficienti per l’obiettivo che si vuole ottenere. Ecco perché i grandi del web hanno introdotto sistemi per misurare il loro impatto: AWS Customer Carbon Footprint Tool e Azure Emissions Impact Dashboard di Microsoft; profilatori energetici o monitor di potenza come il Performance Counter Monitor di Intel; e strumenti che aiutano a calcolare l’impronta di carbonio dei siti Web, come Ecograder, Firefox Profiler e Website Carbon Calculator.
In realtà agli albori del software si cercava il massimo dell’efficienza proprio per sfruttare al meglio ed al massimo le poche risorse hardware e capacità di calcolo provando e riprovando algoritmi. Con lo sviluppo e l’abbondanza della capacità di calcolo, ma anche con la diffusione di massa delle tecnologie dell’ICT, la qualità e la conoscenza degli sviluppatori e la qualità della programmazione è diminuita perché le prestazioni hardware hanno mascherato l’inefficienza.
Oggi il tema della sostenibilità e dell’energia, anche nel software come in tutti gli ambiti della nostra vita, ci portano a ripensare il modo in cui sviluppiamo riportando al centro i cardini della programmazione efficiente in funzione del sistema hardware gestito e aggiungendo la sostenibilità come requisito imprescindibile.
In sostanza proprio la rivoluzione dell’intelligenza artificiale ci sta spingendo a rivalutare i principi su cui lo sviluppo economico ed industriale si è evoluto negli ultimi decenni: dall’abbondanza di risorse all’uso sostenibile ed etico di tutte le nostre risorse, fosse anche una riga di codice.
Conclusioni
L’obiettivo di tutti i sistemi di AI è quello di andare oltre alle risposte ad un quesito per quanto difficile, l’obiettivo è agire come un essere umano in tutte quelle situazioni dove la conoscenza necessaria è un mix di conoscenze accumulate negli anni che solo un uomo può sintetizzare. Infatti, è facile chiedere ad un sistema quando sarà il mio compleanno e come mi piacerebbe festeggiarlo, ma chiedergli di organizzare la mia festa di compleanno è cosa ben più complicata: il sistema dovrebbe conoscere tutte le mie preferenze, quelle delle persone che vorrei invitare, i gusti, il tipo di serata che vorrei fare e anche attivare tutti gli attori necessari (dal cibo al locale, dalle persone ai regali, dai fiori alle emozioni).
Il software green è la strada per una intelligenza artificiale in grado, in relativamente pochi anni, di rispondere ad una esigenza tutto sommato semplice come quella di organizzare di fatto una festa di compleanno con un occhio al divertimento ed uno alla sostenibilità.
