Il futuro dell'intelligenza artificiale e dell'efficienza energetica

L'intelligenza artificiale (AI) sta già cambiando il modo in cui viviamo e lavoriamo e ha il potenziale per rivoluzionare i settori e il mondo in generale. Si prevede che produrrà trilioni di valore facendo di tutto, dal miglioramento delle previsioni di eventi meteorologici catastrofici all'accelerazione della scoperta e della produzione di farmaci salvavita. 

Le persone la usano già sotto forma di assistenti virtuali e copiloti. Le aziende e i dipendenti la stanno impiegando per raggiungere l'efficienza in diverse aree chiave, tra cui servizio clienti, finanza e altre aree.

A maggio, un rapporto di McKinseyha rilevato che il numero di organizzazioni che utilizzano l'AI generativa (gen AI) è quasi raddoppiato, raggiungendo il 65% negli ultimi 10 mesi. Un recente studio dell'IBM Institute for Business Value ha rilevato che il 77% dei rispondenti ritiene di dover adottare rapidamente la gen AI per stare al passo con i clienti. 

La rapida crescita dell'adozione dell'AI ha portato anche a un notevole aumento del consumo di energia. L'energia è necessaria sia per costruire e addestrare i modelli AI, sia per alimentare i complessi calcoli che un modello esegue ogni volta che gli vengono richieste informazioni o per generare contenuti.

L'International Energy Agency (IEA) ha suggerito che l'integrazione dell'AI negli strumenti esistenti, come i motori di ricerca su internet, potrebbe comportare un aumento pari a dieci volte della domanda di elettricità. L'IEA prevede che la quota di elettricità globale che alimenta i data center raddoppi entro il 2030.

L'AI non è la prima tecnologia a introdurre sfide legate al consumo energetico. Simili timori sono nati con il cloud computing nei primi anni 2000, ma non si sono per fortuna materializzati grazie alle innovazioni a livello di efficienza. Tuttavia, mentre l'adozione dell'AI continua e le aziende chiedono elettricità stabile e conveniente a mercati competitivi, questo argomento è una priorità per molti dirigenti.

Tuttavia, in questo boom dell'AI, molte aziende continuano a perseguire ambiziosi obiettivi di sostenibilità. Il 45% delle aziende S&P ha assunto impegni net-zero, mentre Gartner ha rivelato che il 42% dei dirigenti considera i propri sforzi di sostenibilità un fattore di differenziazione chiave.

Di conseguenza, molte aziende si trovano ora di fronte a un duplice compito: tenere conto dell'aumento dell'utilizzo di energia da parte dell'AI nei propri obiettivi di sostenibilità e sostenere al contempo gli sforzi del settore per ridurre i consumi dell'AI .

Nessuno si aspetta che l'adozione dell'AI rallenti perché troppe aziende e troppi dirigenti la considerano una parte indispensabile del loro futuro. Coniugare queste due ambizioni, sfruttare i benefici dell'AI e fare progressi verso l'obiettivo net zero richiede un approccio intelligente.

Fortunatamente, molti esperti del settore stanno lavorando a una serie di soluzioni che includono:

• Miglioramenti hardware
• Modelli più piccoli
• Addestramento dei modelli più intelligente
• Utilizzo di energia pulita e rinnovabile
  
• Open source e collaborazione

È stato dimostrato che il power-capping dell'hardware riduce i consumi energetici fino al 15%, aumentando solo del 3% il tempo necessario per ottenere un risultato.

Il consumo di energia da parte dell'AI può essere ridotto anche utilizzando hardware a basso consumo di carbonio che "corrisponde a un modello con il mix di hardware più efficiente in termini di emissioni di carbonio" secondo il MIT. 

I nuovi e migliorati chip sono un'altra soluzione ai problemi energetici. IBM ha recentemente rilasciato i dettagli dell'architettura per i suoi prossimi processori IBM Telum II e IBM Spyre Accelerator, progettati per ridurre il consumo energetico e l'impronta dei data center basati sull'AI quando verranno rilasciati nel 2025.

In generale, i modelli più grandi, come i modelli linguistici di grandi dimensioni (LLM) generalisti, utilizzati da ChatGPT e Google Gemini, richiedono più energia rispetto a quelli più piccoli. Questi modelli generalisti possono essere utili per un'ampia gamma di esigenze rivolte ai consumatori, tuttavia per le aziende con casi d'uso specifici, IBM e altre società consigliano modelli più piccoli, più efficienti, più convenienti e che consumano meno energia.

I metodi esistenti di modelli di addestramento richiedono molta energia perché gli sviluppatori di AI utilizzano spesso diversi modelli precedenti quale punto di partenza per addestrare nuovi modelli. L'utilizzo di tutti questi modelli aumenta l'energia richiesta.

I ricercatori stanno tuttavia tentando di prevedere meglio quali modelli stiano superando le aspettative e quali siano al di sotto, fermando questi ultimi in anticipo per risparmiare energia. Tutto questo fa parte della fiorente filosofia di "progettazione per la sostenibilità" che definisce parametri di workload per utilizzare l'energia in modo più efficiente.

Tutte le aziende dovrebbero cercare di costruire o utilizzare data center vicini ad aree in cui l'energia rinnovabile è abbondante. L'approvvigionamento da green data center che utilizzano energia rinnovabile e sostenibile rappresenta un ottimo modo per ridurre l'impatto ambientale.

Le aziende che operano nel settore dell'AI non dovrebbero lasciare che l'eccessiva concorrenza ostacoli la condivisione di suggerimenti e strumenti che possono aiutare la società a beneficiare dei modelli AI con minore fabbisogno energetico.

IBM ha collaborato con la Columbia University per creare soluzioni utili alla crisi energetica, inclusa la modellazione del modo in cui l'AI si comporta su differenti tipi di hardware, lo sviluppo di chip a basso consumo, l'eliminazione del software in eccesso e l'ottimizzazione dei sistemi di AI.

Oltre a questi vari approcci, l'AI stessa può aiutare a risolvere i problemi legati al suo fabbisogno energetico.

Un recente studio di IBM ha rilevato che il 74% delle aziende intervistate nel settore dell'energia e dei servizi di pubblica utilità sta adottando l'AI per affrontare le sfide legate ai dati. Questo potrebbe aiutarle ad aumentare l'efficienza, riducendo il loro impatto sull'ambiente. Dalla manutenzione alla previsione del carico, l'AI può avere potenzialmente un impatto enorme sul settore energetico, aiutando a fornire energia in modo più efficiente a tutti gli altri settori.

IBM ha assunto un ruolo di leadership nella transizione verso l'energia pulita, creando il Clean Electrification Maturity Model (CEMM) in coordinamento con APQC per aiutare le aziende del settore energetico a condurre valutazioni della maturità per confrontare i propri risultati e accelerare la transizione energetica.

Lo stesso studio ha mostrato che, entro la fine del 2024, il 63% delle aziende intervistate preveda di applicare la gen AI nelle iniziative IT sostenibili. Tuttavia, solo il 23% sta attualmente considerando in larga misura le valutazioni di sostenibilità durante le fasi di progettazione e pianificazione dei progetti IT. Questa situazione deve cambiare.

È positivo che ci sia già una discussione approfondita sull'uso dell'energia e sull'AI e, si spera, che altre scoperte per ridurre al minimo il consumo di energia seguano a quelle che stiamo già facendo.

IBM è particolarmente impegnata a identificare modelli più piccoli ed efficaci e hardware più intelligenti per ridurre al minimo il consumo di energia. Migliorare l'AI riducendo al contempo il consumo di energia darà vita a ulteriori opportunità per incorporare la tecnologia nella nostra vita quotidiana. La possibilità che l'uso dell'AI possa aiutare il mondo a risolvere le sue maggiori sfide ambientali rende ancora più importante l'obiettivo di ridurre al minimo il consumo di energia.