Inquinamento: dall’intelligenza artificiale un’enorme quantità di emissioni

Inquinamento, l’intelligenza artificiale è in grado di generare un livello di anidride carbonica esorbitante. La ricerca è stata condotta negli Stati Uniti. 

All’interno del dibattito incandescente su benefici e svantaggi che l’utilizzo dell’intelligenza artificiale è in grado di offrire, irrompe a gamba tesa una nuova indagine condotta in territorio americano. Secondo lo studio “Energy and Policy Considerations for Deep Learning in NLP” pubblicato su arXiv a firma di Emma Strubell, Ananya Ganesh e Andrew McCallum, ricercatori presso l’Università del Massachusetts-Amherst, addestrare un singolo dispositivo di IA può generare una quantità di carbonio simile a quella prodotta da 5 auto nel corso della loro vita.

Inquinamento: l’intelligenza artificiale genera un’enorme quantità di emissioni

I ricercatori hanno analizzato nello specifico il processo di addestramento del modello natural language processing (NLP), una branca dell’intelligenza artificiale che si impegna nell’insegnare ai modelli come gestire il linguaggio umano. I notevoli progressi raggiunti in questo campo hanno infatti richiesto la creazione di dispositivi ad alto consumo energetico.

Nel dettaglio, sono stati presi in esame i 4 modelli, Transformer, ELMo, BERT e GPT-2,  che si sono evoluti maggiormente in termini di prestazioni energetiche. Ogni ricercatore si è concentrato su un singolo circuito GPU per misurarne il consumo. Per fare ciò il gruppo di scienziati ha preso in considerazione il numero di ore di formazione indicate nei documenti originali del modello, in maniera tale da determinare successivamente  il consumo complessivo avvenuto nel corso dell’intero processo di addestramento. La cifra finale è stata pari a più di 626.000 libbre di anidride carbonica equivalente, che corrisponde a quasi 5 volte le emissioni dell’intera esistenza di un’auto americana media, includendo la produzione dell’auto stessa.

Il dibattito è destinato ad animarsi ulteriormente

Gli studiosi sono riusciti a capire che i costi computazionali e ambientali dell’addestramento crescevano di pari passo alle dimensioni del modello, per poi raggiungere livelli esorbitanti nelle successive fasi di perfezionamento, in particolare durante il processo denominato “ricerca dell’architettura neurale”. E’ emerso infatti che questo procedimento di ottimizzazione:

Aveva costi associati straordinariamente elevati con scarsi vantaggi in termini di prestazioni. Senza di esso, il modello più costoso, il BERT, aveva una carbon footprint di circa 1.400 libbre di anidride carbonica equivalente, vicino a un volo transamericano di andata e ritorno per una persona.

In più gli scienziati hanno sottolineato che questi valori dovrebbero essere tenuti in considerazione soltanto per orientarsi, in quanto:

La formazione di un singolo modello è la quantità minima di lavoro che puoi fare. In pratica, è molto più probabile che i ricercatori dell’intelligenza artificiale sviluppino un nuovo modello da zero o adattino un modello esistente a un nuovo dataset, entrambi i quali possono richiedere molti più cicli di formazione e messa a punto

ha spiegato Emma Strubell.

Lo studio è destinato ad alimentare ulteriormente le discussioni che ruotano intorno al mondo dell’intelligenza artificiale, che, se da un lato può offrire diversi vantaggi, dall’altro rischia anche di generare alcuni handicap notevoli sotto diversi punti di vista. Al di là del discorso riguardante il livello di emissioni, la ricerca ha inoltre evidenziato un’altra problematica che pian piano sta prendendo piede nel campo dell’IA, che nello specifico riguarda:

L’enorme intensità di risorse ora necessarie per produrre risultati degni di nota ha reso sempre più difficile per le persone che lavorano nel mondo accademico continuare a contribuire alla ricerca.

Inquinamento e intelligenza artificiale: foto e immagini