I ricercatori con la piattaforma AI open source abbracciano il volto hanno scoperto che l’impronta di carbonio degli strumenti di AI generativa è sostanzialmente peggiore di quanto precedentemente stimato, in particolare per coloro che convertono i test di testo in video, a causa del ridimensionamento di energia non lineare. In un documento recentemente pubblicato, i ricercatori hanno dettagliato come le esigenze energetiche dei generatori di testo a video aumentano esponenzialmente piuttosto che in proporzione diretta alla lunghezza del contenuto. Lo studio ha stabilito che quando viene raddoppiata la durata di un video generato, le quadruple di consumo di energia associate. Per illustrare questo principio, il documento fornisce un esempio specifico: la produzione di un video clip di sei secondi con AI richiede quattro volte più energia rispetto alla generazione di una clip di tre secondi. “Questi risultati evidenziano sia l’inefficienza strutturale delle attuali pipeline di diffusione video sia l’urgente necessità di un design orientato all’efficienza”, hanno concluso i ricercatori nel loro documento. Questa ricerca emerge tra gli avvisi di esperti che le tecnologie di intelligenza artificiale generative vengono distribuite senza una completa comprensione delle loro conseguenze ambientali. Una recente analisi del MIT Technology Review supporta questa preoccupazione, affermando che “la comprensione comune del consumo di energia dell’IA è piena di buchi”. Il divario nella comprensione è significativo quando si confrontano diversi tipi di strumenti generativi. Durante la creazione di una singola immagine di 1.024 per 1.024 pixel con un generatore di intelligenza artificiale consuma energia equivalente al riscaldamento di qualcosa in un forno a microonde per cinque secondi, i requisiti per i video sono ordini di grandezza. Lo studio sul volto abbracciato ha scoperto che produrre solo un video clip di cinque secondi richiede una quantità di energia paragonabile all’esecuzione di un forno a microonde standard per oltre un’ora. Questa disparità sottolinea la natura intensiva della generazione di video. Il ridimensionamento non lineare significa che man mano che i video clip diventano più lunghi, il consumo di energia si intensifica a un ritmo ancora più veloce. Secondo il documento, questa traiettoria implica “rapidamente costi hardware e ambientali” per gli utenti e gli sviluppatori di queste tecnologie. Esistono potenziali metodi per mitigare queste elevate esigenze energetiche. I ricercatori suggeriscono diverse strategie, tra cui l’implementazione di sistemi di memorizzazione nella cache intelligenti e la pratica di riutilizzare i contenuti generati dall’AI esistenti per evitare l’elaborazione ridondante. Un’altra tecnica proposta è la “potatura”, che prevede l’identificazione e la rimozione metodicamente e la rimozione di esempi inefficienti dai grandi set di dati utilizzati per formare i modelli AI. Questo processo potrebbe aiutare a semplificare i modelli e ridurre la loro impronta di energia operativa durante le attività di generazione. Tuttavia, non è sicuro se queste misure di efficienza saranno sufficienti per avere un impatto significativo sul consumo complessivo di elettricità degli attuali sistemi di intelligenza artificiale. La scala del problema è già sostanziale. Secondo i dati di un recente studio, le attività relative all’intelligenza artificiale rappresentano ora il 20 percento della domanda di potere totale da tutti i datacenter globali. In risposta alla crescente domanda di intelligenza artificiale, le principali società tecnologiche stanno investendo decine di miliardi di dollari in nuovi costruttori di infrastrutture, un processo che ha portato alcuni ad abbandonare gli obiettivi climatici precedentemente dichiarati.
Rapporto sull’impatto ambientale del 2024 di Google ha rivelato che la società è significativamente alla base del suo piano per raggiungere le emissioni di carbonio net-zero entro il 2030. Il rapporto ha rivelato un aumento del 13 % delle emissioni di carbonio anno su anno, che ha attribuito in gran parte alla sua espansione di servizi di intelligenza artificiale generativa. All’inizio di quest’anno, Google ha rilasciato il suo generatore di video Veo 3 AI. La società ha successivamente annunciato che gli utenti avevano creato oltre 40 milioni di video con lo strumento entro le prime sette settimane di disponibilità. Il pedaggio ambientale specifico di Veo 3 non è stato divulgato.
