Intelligenza Artificiale Sostenibile e Green Algorithm

Intelligenza Artificiale per la sostenibilità

L’IA per la sostenibilità si riferisce all’uso delle tecnologie di intelligenza artificiale per affrontare sfide ambientali, ecologiche e sociali, promuovendo lo sviluppo sostenibile. Questo approccio prevede l’applicazione di tecniche di IA per raccogliere, analizzare e interpretare dati relativi a problematiche come il cambiamento climatico, la gestione delle risorse, la conservazione dell’ambiente e delle specie, e altre questioni legate alla sostenibilità.

Sfruttando algoritmi di IA, machine learning e analisi dati, è infatti possibile trovare soluzioni innovative a problemi complessi e contribuire a un futuro più sostenibile. Molte soluzioni di IA sostenibile si concentrano però quasi esclusivamente sulle sfide ambientali, lasciando in secondo piano l’aspetto sociale.
Questa disparità potrebbe derivare dalla misurabilità e disponibilità dei dati ambientali, dalla percezione di urgenza pubblica e politica e dalla chiarezza dei problemi e degli obiettivi da raggiungere. Nonostante ciò, ci sono numerosi progetti che impiegano l’IA per la sostenibilità, come:

• Conservazione e monitoraggio ambientale, ad esempio per il tracciamento della deforestazione, il monitoraggio della fauna selvatica e l’analisi dei modelli climatici, con l’obiettivo di conservare le risorse naturali e la biodiversità
• Agricoltura intelligente e agricoltura di precisione: è possibile analizzare dati provenienti da sensori, satelliti e droni per ottimizzare le pratiche agricole, minimizzando l’uso dell’acqua, riducendo la necessità di pesticidi e migliorando le rese dei raccolti.

Una recente ricerca (link esterno) ha analizzato come l’AI potrebbe influenzare il raggiungimento degli Obiettivi di Sviluppo Sostenibile (SDGs) dell’Agenda 2030:

• Per la società, l’IA ha un potenziale significativo per facilitare l’82% dei target, ad esempio migliorando l’accesso all’istruzione e alla sanità. Tuttavia, gli autori della ricerca avvertono che l’IA potrebbe anche amplificare le disuguaglianze esistenti se non implementata con attenzione.
• Nel campo dell’economia, l’IA potrebbe abilitare il 70% dei target, stimolando l’innovazione e aumentando la produttività, ma solleva preoccupazioni riguardo alla possibile perdita di posti di lavoro e all’aumento delle disuguaglianze economiche.
• Per quanto riguarda l’ambiente, L’IA mostra il potenziale più promettente, potendo abilitare il 93% dei target attraverso applicazioni come il monitoraggio ambientale avanzato e l’ottimizzazione delle risorse.

Il raggiungimento di questi obiettivi non tiene conto della potenza computazionale necessaria per l’analisi dei dati, l’addestramento dei modelli e la generazione di output, aspetti che contribuiscono all’impatto ambientale dell’IA stessa.

La sostenibilità dell’intelligenza Artificiale

Non si può più parlare di IA per la sostenibilità senza allo stesso tempo affrontare l’impatto che lo sviluppo di un particolare modello di IA avrà sulla sostenibilità ambientale.

Abbiamo visto infatti che tutto il ciclo di vita dell’IA richiede un importante quantitativo di potenza computazionale e se è vero che è possibile ottenere parte dell’energia richiesta da “risorse rinnovabili o compensate con crediti di carbonio, le elevate richieste energetiche di questi modelli sono comunque preoccupanti per due motivi: da una parte, l’energia non è attualmente derivata da fonti a neutralità carbonica in molti luoghi; in secondo luogo, quando l’energia rinnovabile è disponibile, è ancora limitata all’attrezzatura che abbiamo per produrla e immagazzinarla, e l’energia spesa per addestrare una rete neurale potrebbe essere meglio allocata ad esempio per riscaldare la casa di una famiglia” (Fonte, link esterno), soprattutto dal momento che ci sono circa 600 milioni di persone nel mondo senza accesso all’elettricità.

Inoltre, è stato dimostrato che il ‘tuning‘ (ovvero il riaddestramento di un modello per un compito specifico) è più costoso rispetto all’addestramento di un modello da zero. Considerando che la società si evolve in modo costante, anche i modelli di IA avranno bisogno di tuning costante per continuare ad essere efficaci, un aspetto che comporta ulteriori costi ambientali e computazionali.

Ad oggi, sono disponibili due strumenti per calcolare le emissioni di carbonio associate all’IA: il Machine Learning Emissions Calculator (https://mlco2.github.io/impact/), che stima l’impronta di carbonio dei calcoli GPU, e Green Algorithms (www.green-algorithms.org), che permette agli utenti di stimare e riportare l’impronta di carbonio delle loro operazioni.

Green algorithm

È qui che entrano in gioco i green algorithms, ovvero algoritmi progettati per essere efficienti sia dal punto di vista energetico, sia nell’ottimizzazione delle applicazioni di intelligenza artificiale. Questi algoritmi si integrano perfettamente con tecnologie come il machine learning, il natural language processing e il reinforcement learning per l’allocazione dinamica delle risorse. Il risultato finale è una serie di strumenti di IA che sono sia efficaci nelle loro operazioni, sia sostenibili nel loro impatto. I green algorithms aiutano a gestire la complessità, ridurre i costi e diminuire le emissioni di carbonio.

Un esempio concreto di questa applicazione è fornito da GE Research e GE Renewable Energy (link esterno), che hanno sviluppato uno strumento di machine learning progettato per ottimizzare la logistica delle turbine eoliche. Questo strumento ha il potenziale di far risparmiare all’industria miliardi di dollari nel prossimo decennio, ottimizzando vari aspetti delle operazioni dei parchi eolici, dalla spedizione e installazione alla manutenzione continua. Grazie a questa soluzione, i costi, la complessità e le emissioni di carbonio sono stati tutti gestiti o ridotti.

Lo sviluppo dell’intelligenza artificiale deve essere portato avanti in modo trasparente e responsabile, con un occhio attento all’impatto ambientale e sociale.
L’innovazione tecnologica deve andare di pari passo con la sostenibilità e garantire che le soluzioni di domani non solo rispondano alle sfide di oggi, ma lo facciano in modo sostenibile e consapevole. È necessario adottare un approccio che consideri l’intero ciclo di vita dell’IA, promuovendo una progettazione e un’implementazione che siano allineate con i principi della sostenibilità.