Negli ultimi anni, ChatGPT ha conosciuto un'enorme popolarità, con quasi 200 milioni di utenti che inseriscono oltre un miliardo di richieste ogni giorno. Queste risposte, apparentemente elaborate "dal nulla", in realtà consumano un'enorme quantità di energia dietro le quinte.
Nel 2023, i data center, dove l'intelligenza artificiale viene addestrata e gestita, rappresentavano il 4,4% del consumo di elettricità negli Stati Uniti. A livello globale, questa cifra si attestava intorno all'1,5% della domanda totale di elettricità. Si prevede che il consumo raddoppierà entro il 2030, a fronte della continua crescita della domanda di intelligenza artificiale.
“Solo tre anni fa, ChatGPT non esisteva nemmeno”, ha affermato Alex de Vries-Gao, ricercatore sulla sostenibilità delle nuove tecnologie presso la Vrije Universiteit di Amsterdam e fondatore di Digiconomist, una piattaforma che analizza le conseguenze indesiderate delle tendenze digitali. “E ora stiamo parlando di una tecnologia che potrebbe potenzialmente rappresentare quasi la metà dell'elettricità consumata dai data center di tutto il mondo ”.
Porre una domanda a un modello linguistico avanzato (LLM) consuma circa 10 volte più elettricità di una tipica ricerca su Google. (Immagine: Qi Yang/Getty Images)
Perché i chatbot basati sull'intelligenza artificiale consumano così tanta energia? La risposta risiede nelle loro enormi dimensioni. Secondo Mosharaf Chowdhury, professore di informatica all'Università del Michigan, ci sono due fasi particolarmente energivore: il processo di addestramento e il processo di inferenza.
"Tuttavia, il problema è che i modelli odierni sono così complessi da non poter essere eseguiti su una singola GPU, figuriamoci su un singolo server", ha spiegato il professor Mosharaf Chowdhury a Live Science.
Per illustrare la portata del problema, uno studio del 2023 di de Vries-Gao ha dimostrato che un server Nvidia DGX A100 può consumare fino a 6,5 kilowatt di elettricità. L'addestramento di un LLM richiede in genere più server, ciascuno con una media di 8 GPU, in funzione continua per settimane o addirittura mesi. Complessivamente, il consumo di elettricità è enorme: il solo addestramento di GPT-4 di OpenAI ha consumato 50 gigawattora, l'equivalente di energia elettrica sufficiente ad alimentare tutta San Francisco per tre giorni.
Il processo di addestramento di GPT-4 di OpenAI è stato sufficiente ad alimentare l'intera città di San Francisco per tre giorni. (Immagine: Jaap Arriens/NurPhoto/Rex/Shutterstock)
Anche il processo di inferenza è piuttosto dispendioso in termini di energia. In questa fase, il chatbot basato sull'IA utilizza le conoscenze apprese per fornire risposte all'utente. Sebbene l'inferenza richieda meno risorse computazionali rispetto alla fase di addestramento, è comunque estremamente energivora a causa dell'enorme volume di richieste inviate al chatbot.
Secondo le stime di OpenAI, a luglio 2025 gli utenti di ChatGPT inviavano oltre 2,5 miliardi di richieste al giorno. Per rispondere istantaneamente, il sistema deve mobilitare numerosi server che operano simultaneamente. E questo vale solo per ChatGPT; non include altre piattaforme che stanno diventando sempre più popolari, come Gemini di Google, che si prevede diventerà presto l'opzione predefinita per la ricerca su Google.
"Anche nella fase di inferenza non è possibile risparmiare energia", ha osservato Chowdhury. "Il problema non è più l'enorme quantità di dati. Il modello è già enorme, ma il problema maggiore è il numero di utenti."
Ricercatori come Chowdhury e de Vries-Gao stanno ora cercando modi per misurare con maggiore precisione il consumo energetico, trovando così soluzioni per ridurlo. Ad esempio, Chowdhury gestisce una classifica chiamata ML Energy Leaderboard, che tiene traccia del consumo energetico nelle inferenze dei modelli open-source.
Tuttavia, gran parte dei dati relativi alle piattaforme di intelligenza artificiale commercialmente valide rimane "segreta". Grandi aziende come Google, Microsoft e Meta li mantengono riservati o pubblicano solo statistiche molto vaghe che non riflettono accuratamente l'impatto ambientale. Ciò rende molto difficile determinare quanta elettricità consumi effettivamente l'IA, quale sarà la domanda nei prossimi anni e se il mondo sarà in grado di soddisfarla.
Tuttavia, gli utenti possono certamente esercitare pressioni per la trasparenza. Ciò non solo aiuta le persone a compiere scelte più responsabili nell'utilizzo dell'IA, ma contribuisce anche a promuovere politiche che responsabilizzino le aziende.
"Uno dei problemi principali delle applicazioni digitali è che il loro impatto ambientale è sempre nascosto", ha sottolineato la ricercatrice de Vries-Gao. "Ora la palla è nelle mani dei responsabili politici: devono promuovere la trasparenza dei dati affinché gli utenti possano agire di conseguenza."
Ngoc Nguyen (Live Science)
Fonte: https://vtcnews.vn/chatbot-ai-co-ngon-dien-nhu-loi-don-ar965919.html
Commento (0)