L'AI consumerà 9.300 miliardi di litri d'acqua all'anno entro il 2030

9.300 miliardi di litri d’acqua all’anno. È il consumo idrico previsto per i data center AI entro il 2030, secondo un rapporto dell’Istituto per l’Acqua, l’Ambiente e la Salute dell’Università delle Nazioni Unite. Equivale al fabbisogno idrico annuale di base dell’intera Africa sub-sahariana, circa 1,3 miliardi di persone. Ogni volta che si chiede qualcosa a ChatGPT, da qualche parte un data consuma acqua.

E l’acqua è solo una parte del problema. Il rapporto dice che l’impatto ambientale dell’AI viene sistematicamente sottostimato.

L’allarme dell’ONU

Le valutazioni attuali si concentrano sulle emissioni di CO2 dell’addestramento dei modelli linguistici. Ma l’addestramento è una piccola parte del costo reale. L’80-90% del consumo energetico dell’AI viene dall’inferenza, rispondere ai prompt, eseguire le richieste, servire miliardi di domande al giorno.

Addestrare GPT-4 ha consumato circa 70 gigawattora di elettricità. Far funzionare ChatGPT per rispondere a miliardi di prompt al giorno ne consuma circa 383, oltre cinque volte tanto. E l’addestramento si fa una volta. L’inferenza è continua.

Tenendo conto dell’inferenza, i data center AI consumeranno 945 terawattora di elettricità entro il 2030, il triplo del consumo combinato di Pakistan, Bangladesh e Nigeria, che insieme ospitano oltre 650 milioni di persone.

L’acqua e la terra

L’acqua serve per raffreddare i data center e per la produzione di energia. La terra serve per le infrastrutture energetiche e le catene di approvvigionamento. Il rapporto stima 9.300 miliardi di litri d’acqua annuali entro il 2030.

Ma la soluzione non è semplice come passare alle rinnovabili. Sostituire il carbone con la bioenergia taglierebbe le emissioni di CO2 del 70%, ma farebbe aumentare il consumo d’acqua di 30 volte e l’uso di terra di 100 volte.

Ciò che ci ha sorpreso di più è quanto spesso le scelte che sembrano più verdi dal punto di vista del carbonio finiscono per essere peggiori per l’acqua o per la terra, dice Miriam Aczel, autrice principale del rapporto.

Il paradosso dell’efficienza

Rendere l’AI più efficiente potrebbe aumentare il suo impatto ambientale, non ridurlo. Molte persone pensano che l’impronta ambientale dell’AI si riduca man mano che la tecnologia migliora. Ma è solo un quadro parziale, dice il coautore Kaveh Madani. AI ed energia più efficienti e accessibili significano più consumo di AI, rendendo l’impronta complessiva molto più grande di ciò che risparmiamo con i guadagni di efficienza.

È il paradosso di Jevons applicato all’intelligenza artificiale: quando una tecnologia diventa più efficiente, tende a essere usata di più e, di conseguenza, il consumo complessivo aumenta invece di diminuire.