L’AI ha un impatto ambientale di cui essere consapevoli 🤖🌱
Ogni fase del processo che sfrutta i modelli di Machine Learning (gestione dati, addestramento, inferenza, ecc.) richiede risorse computazionali significative, consumando molta energia e, di conseguenza, generando potenzialmente una grande quantità di CO2.
Questo rapporto causa-effetto è meno evidente rispetto ad altri casi: se passo due ore al giorno nel traffico, l’impatto mi è chiaro; se faccio lavorare tutto il giorno un server chissà dove, forse no.
Maturata questa consapevolezza, vediamo alcune possibili strategie per mitigare l’impronta di carbonio dell’AI:
👉 scegliere modelli di machine learning più efficienti
👉 utilizzare hardware più efficiente (ad esempio, processori progettati appositamente per il ML)
👉 affidarsi a data center che utilizzano energie rinnovabili
Potrebbe sembrare che queste opzioni siano tutte fuori dalla nostra portata, ma non è così. Ecco un paio di esempi:
• In alcuni casi d’uso, è possibile utilizzare modelli più piccoli o specificamente creati per determinati compiti. Questi modelli, essendo più efficienti per il risultato desiderato, consumano meno energia.
• Alcuni provider cloud forniscono informazioni sulla quantità di CO2 emessa dai propri data center, permettendoci di valutare questo parametro insieme a quelli usuali (servizi, latenza, costi, ecc.). In questo modo, è possibile eseguire il training dei modelli in regioni che utilizzano energia con emissioni ridotte.
Questi esempi dimostrano come anche ricercatori, sviluppatori e tecnici possano influire sulla carbon footprint attraverso le proprie scelte. È quindi cruciale considerare il proprio impatto ambientale per entrare nell’ottica che l’innovazione tecnologica deve procedere di pari passo con la sostenibilità.
A volte, la sostenibilità non richiede sacrifici, ma semplicemente scelte consapevoli.
E tu, di recente, hai preso qualche decisione considerando anche questi aspetti?
Per i più curiosi:
• DeepLearning.AI ha recentemente pubblicato un mini corso, ‘Carbon Aware Computing for GenAI Developers’, che spiega l’impatto ambientale del ML e le tecniche per mitigarlo.
• Esistono anche altre strategie per limitare l’impatto ambientale, come la tecnica ‘follow the sun and wind’, che prevede lo spostamento dei carichi di lavoro verso data center alimentati da fonti rinnovabili in base alla disponibilità di energia solare ed eolica durante i vari momenti della giornata
• Per ottenere dati sulle fonti di energia elettrica utilizzata nelle varie regioni del mondo, puoi utilizzare servizi come Electricity Maps.
• Trovi i vari link vari nel primo commento.
#IntelligenzaArtificiale #Sostenibilità #TechStrategy
