Secondo New Street Research, l’infrastruttura dell’intelligenza artificiale (IA) non mostra segni di rallentamento nel prossimo futuro, grazie a un aumento della spesa in potenza di calcolo che porta a modelli sempre più performanti. Questo crea un ciclo di autoperpetuazione, dove la domanda di potenza di calcolo alimenta ulteriormente lo sviluppo di modelli più avanzati.
Tag: sostenibilità
Sfruttare i vantaggi delle tecnologie di navigazione satellitare per il monitoraggio ambientale: è questo l’obiettivo dei progetti Great e Groove, nati dall’accordo fra Thales Alenia Space (Thales 67% e Leonardo 33%) e Agenzia Spaziale Italiana. Entrambi i progetti puntano a utilizzare le piattaforme aviotrasportate Great e Groove per combinare dati satellitari e tecniche di analisi ambientale avanzate, con l’intento di raccogliere informazioni cruciali in settori come protezione civile, meteorologia, aviazione e agricoltura.
I legami tra il Bezos Earth Fund e le organizzazioni che stabiliscono gli standard climatici aziendali, come l’SBTi, stanno sollevando preoccupazioni sulla potenziale influenza di Bezos nel definire tali norme, in particolare riguardo all’uso dei crediti di carbonio.
Le vendite di veicoli elettrici (EV) negli Stati Uniti hanno mostrato una crescita costante, raggiungendo un volume record di circa 330.463 unità nel secondo trimestre del 2024, con un aumento dell’11,3% rispetto all’anno precedente. Questa crescita è notevole nonostante un aggiustamento al ribasso nelle previsioni di penetrazione del mercato da parte di J.D. Power, che ora stima che i EV rappresenteranno il 9% del mercato totale dei veicoli negli Stati Uniti nel 2024, rispetto a una precedente aspettativa del 12%.
Nel 2004, il governatore della California Arnold Schwarzenegger lanciò l’ambizioso progetto della “Strada dell’Idrogeno”, un’iniziativa volta a creare una rete di stazioni di rifornimento per veicoli alimentati a celle a combustibile a idrogeno. Questo piano mirava a ridurre l’inquinamento atmosferico e a diminuire la dipendenza dagli idrocarburi esteri, posizionando la California come leader nella transizione verso un futuro energetico più sostenibile.
Si estende al monitoraggio e alla prevenzione degli incendi boschivi la partnership tra Inwit, primo tower operator italiano, e Legambiente, già alleate per il monitoraggio della qualità dell’aria. Questa collaborazione pionieristica trova il suo campo d’azione in Abruzzo, puntando a proteggere alcune delle aree naturali più preziose della regione.
Brookfield Asset Management ha dichiarato mercoledì che svilupperà per Microsoftpiù di 10,5 GW di nuova capacità di energia rinnovabile , quasi 8 volte più grande del più grande accordo di acquisto di energia aziendale mai firmato; i termini finanziari non sono stati resi noti.
Brookfield ha affermato che il “primo accordo quadro globale nel suo genere” della durata di cinque anni, a partire dal 2026 negli Stati Uniti e in Europa, accelererà l’espansione della capacità di energia rinnovabile per contribuire agli obiettivi di sostenibilità di Microsoft con il potenziale per fornire ulteriore capacità rinnovabile agli Stati Uniti e all’Europa, nonché all’Asia-Pacifico, all’India e all’America Latina.
Le società non hanno rivelato i termini finanziari dell’accordo, ma il Financial Times ha affermato che i 10,5 GW di nuova capacità – sufficienti per alimentare circa 1,8 milioni di case – costerebbero più di 10 miliardi di dollari , sulla base delle recenti tendenze del settore.
L’accordo arriva quando il crescente interesse per l’intelligenza artificiale generativa ha causato preoccupazioni sulla loro intensa domanda di energia e sulle emissioni di carbonio associate.
First Solar ha dichiarato mercoledì di aver firmato un accordo per la fornitura di 457 MW di moduli solari a film sottile, inclusi 170 MW di moduli bifacciali Serie 6 Plus e 287 MW di moduli Serie 7, alla spin-out MN8 Energy di Goldman Sachs Renewable Power; I dettagli finanziari non sono stati divulgati.
Annunci recentemente pubblicati :
Satya Nadella, CEO di Microsoft, ha annunciato che il colosso tecnologico investirà 2,2 miliardi di dollari nei prossimi quattro anni nella nuova infrastruttura cloud e AI della Malesia e nella creazione di un centro nazionale di intelligenza artificiale, segnando il più grande investimento di Microsoft in Malesia.
L’annuncio arriva subito dopo che Microsoft ha dichiarato che costruirà un data center in Tailandia e ha annunciato un investimento di 1,7 miliardi di dollari in servizi cloud e AI in Indonesia .
Il mese scorso, Microsoft ha anche svelato un investimento di 2,9 miliardi di dollari in Giappone e 1,5 miliardi di dollari in G42, un’azienda di intelligenza artificiale con sede ad Abu Dhabi .
Google ha annunciato di aver sviluppato un nuovo modello di Intelligenza Artificiale per la generazione di previsioni meteorologiche su larga scala denominato SEEDS, Scalable Ensemble Envelope Diffusion Sampler, in grado di prevedere il meteo più velocemente e in grado di rilevare eventi meteorologici estremi in modo più tempestivo rispetto alle metodologie convenzionali basate sulla fisica.
SEEDS, strutturato in modo analogo ai modelli di linguaggio di grandi dimensioni (LLM) come ChatGPT e agli strumenti di Intelligenza Artificiale generativa come Sora, si distingue per la capacità di generare numerosi insiemi di previsioni meteorologiche in maniera più rapida ed efficiente rispetto ai tradizionali modelli di previsione.
I risultati del team di ricerca sono stati documentati in un articolo pubblicato sulla rivista Science Advances il 29 marzo scorso.
La previsione meteorologica si presenta come una sfida complessa, pproprio perché coinvolge numerose variabili che possono condurre a eventi meteorologici di portata devastante, quali uragani e ondate di calore. L’urgente necessità di prevedere con precisione tali eventi, specie in un contesto di mutamento climatico e frequenza crescente di eventi meteorologici estremi, sottolinea l’importanza vitale della previsione meteorologica precisa per la salvaguardia delle vite umane, consentendo alle persone di prepararsi adeguatamente ai potenziali effetti dannosi dei disastri naturali.
Attualmente, le previsioni meteorologiche basate sulla fisica integrano una vasta gamma di misurazioni per produrre una previsione finale, mediando molteplici modelli di previsione, o insiemi, che riflettono diverse combinazioni di variabili. Tuttavia, la maggior parte di tali previsioni risulta sufficientemente accurata per condizioni meteorologiche comuni, mentre la predizione di eventi meteorologici estremi rimane un’ardua sfida al di là delle capacità dei servizi meteorologici convenzionali.
Le attuali metodologie di previsione si avvalgono sia di modelli deterministici che probabilistici, introducendo variabili casuali nelle condizioni iniziali. Tuttavia, ciò comporta un aumento significativo del tasso di errore nel tempo, rendendo difficile la predizione accurata di condizioni meteorologiche estreme e future. Gli errori inattesi nelle condizioni iniziali possono impattare considerevolmente il risultato della previsione, poiché le variabili crescono in modo esponenziale nel tempo, e la modellazione di previsioni dettagliate comporta costi elevati. Gli studiosi di Google hanno stimato che sono necessarie fino a 10.000 previsioni in un modello per predire eventi con solo l’1% di probabilità di manifestarsi.
SEEDS adotta un approccio basato sull’utilizzo di misurazioni fisiche raccolte da agenzie meteorologiche, focalizzandosi sullo studio delle relazioni tra l’unità di energia potenziale per massa del campo gravitazionale terrestre nella media troposfera e la pressione a livello del mare, due parametri comunemente impiegati nelle previsioni meteorologiche. Questo approccio consente a SEEDS di generare un numero maggiore di insiemi di previsioni rispetto ai metodi tradizionali, sfruttando l’intelligenza artificiale per estrapolare fino a 31 insiemi di previsioni basati su uno o due “seeding” di previsioni utilizzati come dati di input.
Si è parlato di sostenibilità, di trasformazione digitale e di Intelligenza Artificiale nel corso dell’evento Digital Sustainability Day organizzato ieri dalla Fondazione per la Sostenibilità Digitale all’Università La Sapienza.
L’evento, rivolto alle aziende del tessuto economico italiano, a enti, istituzioni, Pubbliche Amministrazioni e Università che hanno intrapreso o stanno per intraprendere processi di trasformazione digitale e che vogliono, o hanno bisogno, di mettere la sostenibilità al centro delle loro attività, è stato l’occasione per fare il punto sui primi 3 anni di attività della Fondazione per la Sostenibilità Digitale che ha rapidamente assunto un ruolo centrale nel panorama del settore, promuovendo una visione sociale della sostenibilità, sottolineando l’importanza di una comprensione diffusa e di scelte economiche consapevoli.
Questo approccio, che negli ultimi anni potremmo chiamare “Sostenibilità Digitale Esponenziale”, per effetto anche dell’Intelligenza Artificiale, riconosce che il futuro sostenibile richiede un contesto abilitante fornito dalla tecnologia digitale.
Le iniziative della Fondazione si concentrano sulla creazione di opportunità di comunicazione, confronto e apprendimento per sostenere le istituzioni nell’adozione di pratiche sostenibili, avendo ben presente che la sostenibilità non può essere imposta dall’alto, ma deve essere accettata e compresa a livello sociale.
Nel contesto del Convegno, è stata affrontata la questione della sostenibilità e della sua relazione con la trasformazione digitale con l’apporto e la partecipazione di una platea ampia e trasversale che riunisce esperti, ricercatori, professionisti ed esponenti del mondo della politica, chiamati ad esaminare le sfide e le opportunità legate alla sostenibilità digitale.
La trasformazione digitale non riguarda il come facciamo le cose, la trasformazione digitale non è una questione tecnologica, o meglio, non è soltanto una questione tecnologica, perché la trasformazione digitale è un fenomeno sociale, è l’impatto sulla società della digitalizzazione e è un impatto che guarda al modo in cui la trasformazione digitale agisce sui comportamenti, agisce sui contesti, agisce sulle cose e ne ridefinisce il senso, non è una scelta, noi non possiamo scegliere che i nostri clienti utilizzino un determinato strumento, non possiamo scegliere che i cittadini usino o non usino delle tecnologie a meno che non siamo in Cina, non possiamo scegliere, ci troviamo in una condizione di contesto e quella condizione di contesto ha un impatto (9:07) fortissimo su di noi, quindi di fatto la trasformazione digitale è un fenomeno sociale unisce il senso delle cose..
Stefano Epifani, Presidente della fondazione per la sostenibilitÀ digitale
È stato sottolineato come la sostenibilità non vada confusa con il mero ambientalismo e come sia di fondamentale importanza per garantire un futuro equo e prospero. La trasformazione digitale, a sua volta, rappresenta un’opportunità per ridefinire il modo in cui affrontiamo le sfide globali, influenzando comportamenti e contesti in modi che vanno oltre il semplice utilizzo della tecnologia.
In particolare, la trasformazione digitale non riguarda solo il miglioramento dei processi esistenti attraverso la tecnologia, ma è un fenomeno sociale che ridefinisce il significato delle nostre interazioni e dei nostri modelli di comportamento. Questo implica una comprensione più profonda di come la tecnologia possa essere utilizzata per promuovere la sostenibilità e per consentire alle future generazioni di fare scelte consapevoli.
Dobbiamo chiederci qual è il ruolo del digitale in questo percorso e vedremo che il ruolo del digitale è duplice perché il digitale interagisce in maniera sistemica col resto, non è uno strumento, è al contempo strumento e contesto, strumento d’azione e contesto di rideterminazione o di rimediazione come direbbe qualcuno.
Stefano EPIFANI, Presidente della fondazione per la sostenibilitÀ digitale
Il tema è quello di mettere al centro la digitalizzazione, mettere al centro la sostenibilità, costruire un bilanciamento tra questi due elementi e sviluppare un modello che ci consenta di lavorare in due direzioni.
Nella seconda parte del convegno sono stati presentati i benefici di misurare il livello di sostenibilità digitale di utenti, territori e specifici progetti, come pre requisito di una scelta consapevole del processo di digitalizzazione, unitamente alla necessità di nuovi modelli di sviluppo e governance territoriale.
L’obiettivo del DISI™ 2024 (Digital Sustainability Index) è stato proprio quello di approfondire la comprensione delle dinamiche che caratterizzano la sostenibilità digitale in diverse aree geografiche e contesti socio-economici.
Da questo punto di vista, quello che emerge dai dati che sono stati presentati, è che il divario piccoli centri-grandi centri sta soppiantando quello nord-sud: se 1 italiano su 3 ovvero il 34% degli abitanti delle grandi città ha una conoscenza limitata o nulla del concetto di sostenibilità, questa percentuale sale al 53%, se i considerano i comuni con meno di 3000 abitanti.
Dalla ricerca emerge poi anche una grande difficoltà da parte dei cittadini italiani nel guardare al digitale come strumento al servizio della sostenibilità, sia essa ambientale, economica o sociale.
Il Presidente della Fondazione Stefano Epifani si è dedicato all’analisi delle differenze nella sostenibilità digitale tra le aree centrali e periferiche, affrontando il tema relativo all’accesso e all’inclusione digitale: l’esplorazione delle disparità di accesso alle tecnologie digitali tra le aree centrali e periferiche e l’identificazione di strategie per ridurre il cosiddetto “digital divide” concetto nei prossimi anni ancora piu importante se considereremo l’impatto della Intelligenza Artificiale.
L’Intelligenza Artificiale (AI) da questo punto di vista può svolgere un ruolo importante nel mitigare il digital divide e le tecnologie basate sull’AI possono essere utilizzate per sviluppare soluzioni innovative che rendano i servizi digitali più accessibili e inclusivi, ad esempio quelli sanitari nei centri periferici. Certo da questo punto di vista è necessaria una visione chiara delle opportunità offerte dall’adozione dell’Intelligenza Artificiale anziché una focalizzazione, come stiamo purtroppo vedendo da certa parte del mondo politico, troppo spesso incentrata sui rischi e le minacce dell’AI, proprio perché
Non si orienta un paese con le paure, riferendosi all’impatto futuro della Intelligenza Artificiali.
Stefano EPIFANI, Presidente della fondazione per la sostenibilitÀ digitale
Newsletter AI – non perderti le ultime novità sul mondo dell’Intelligenza Artificiale, i consigli sui tool da provare, i prompt e i corsi di formazione. Iscriviti alla newsletter settimanale e accedi a un mondo di contenuti esclusivi direttamente nella tua casella di posta!
Non sono io a dirlo ma alcune studiose del MIT. Sasha Luccioni, con Emma Strubell e Yacine Jernite, hanno testato 88 modelli su 30 set di dati da 10 attività diverse con modalità diverse e hanno trovato cose davvero interessanti:
- I compiti generativi e quelli che coinvolgono le immagini consumano più energia e carbonio rispetto ai compiti discriminativi e a quelli che coinvolgono il testo. Abbiamo scoperto che Stable Diffusion XL utilizza quasi 1 carica telefonica di energia per generazione.
- La formazione continua ad essere molto più ad alta intensità di energia e di carbonio rispetto all’inferenza. Sono necessari dai 200 ai 500 milioni di deduzioni da un modello della famiglia BLOOM per raggiungere la quantità di energia utilizzata durante l’allenamento. Ma questo può essere raggiunto abbastanza velocemente per un modello popolare utilizzato da milioni di utenti, come ChatGPT.
L’utilizzo di modelli multiuso per compiti discriminativi richiede un maggiore dispendio energetico rispetto ai modelli specifici per compiti per gli stessi compiti. Ciò è particolarmente vero per l’analisi del sentiment e la risposta alle domande. La differenza può essere un fattore di 30 volte a seconda del set di dati.
Ma c’è una cosa di cui la gente non parla abbastanza, ed è l’impronta di carbonio dell’Intelligenza Artificiale. Uno dei motivi è che le grandi aziende tecnologiche non condividono l’impronta di carbonio della formazione e dell’utilizzo dei loro enormi modelli, e non disponiamo di metodi standardizzati per misurare le emissioni di cui è responsabile l’intelligenza artificiale. E anche se sappiamo che addestrare modelli di Intelligenza Artificiale è altamente inquinante , le emissioni attribuibili all’utilizzo dell’Intelligenza Artificiale finora sono state un tassello mancante. Cioè, fino ad ora.
In un nuovo studio condotto dai ricercatori della startup AI Hugging Face e della Carnegie Mellon University, generare un’immagine utilizzando un potente modello di Intelligenza Artificiale richiede la stessa quantità di energia necessaria per caricare completamente uno smartphone. Tuttavia, hanno scoperto che l’utilizzo di un modello di Intelligenza Artificiale per generare testo richiede molta meno energia. La creazione di testo 1.000 volte consuma solo il 16% della carica completa di uno smartphone.
Il loro lavoro, che deve ancora essere sottoposto a revisione paritaria, mostra che, sebbene l’addestramento di enormi modelli di Intelligenza Artificiale richieda un’enorme quantità di energia, è solo una parte del quadro. La maggior parte della loro impronta di carbonio deriva dal loro utilizzo effettivo.
Lo studio segna la prima volta che i ricercatori calcolano le emissioni di carbonio causate dall’utilizzo di un modello di Intelligenza Artificiale per vari compiti, secondo Sasha Luccioni, ricercatrice di intelligenza artificiale presso Hugging Face che ha guidato il lavoro. Spera che la comprensione di queste emissioni possa aiutarci a prendere decisioni informate su come utilizzare l’intelligenza artificiale in un modo più rispettoso del pianeta.
Il consumo di energia e l’impronta di carbonio dell’intelligenza artificiale sono un argomento sempre più importante con la crescita dell’uso dei sistemi di intelligenza artificiale.
Il consumo energetico dei sistemi di Intelligenza Artificiale può essere suddiviso in due fasi principali: addestramento e inferenza.
La fase di formazione, che prevede l’insegnamento del modello di Intelligenza Artificiale utilizzando grandi quantità di dati, è in genere più dispendiosa in termini di energia.
La fase di inferenza, che prevede l’utilizzo del modello addestrato per effettuare previsioni o decisioni, generalmente consuma meno energia ma può comunque accumularsi nel tempo, soprattutto per i sistemi che effettuano previsioni frequenti.
Il consumo energetico dei sistemi di Intelligenza Artificiale è in gran parte determinato dall’hardware e dall’infrastruttura che utilizzano. Ciò include i computer e i server utilizzati per l’addestramento e l’inferenza, nonché i data center che ospitano questi sistemi. Hardware e infrastrutture più efficienti dal punto di vista energetico possono ridurre significativamente il consumo di energia e l’impronta di carbonio dei sistemi di intelligenza artificiale.
La generazione di immagini è di gran lunga l’attività basata sull’Intelligenza Artificiale più dispendiosa in termini di energia e carbonio.
La generazione di 1.000 immagini con un potente modello di intelligenza artificiale, come Stable Diffusion XL, è responsabile della produzione di una quantità di anidride carbonica pari a quella di guidare l’equivalente di 4,1 miglia in un’auto media a benzina.
L’impronta di carbonio dei sistemi di Intelligenza Artificiale dipende anche dalle fonti energetiche utilizzate per alimentarli. I sistemi di Intelligenza Artificiale alimentati da fonti di energia rinnovabile, come l’energia eolica o solare, hanno un’impronta di carbonio inferiore rispetto a quelli alimentati da combustibili fossili.
ESG – La ricerca di Luccioni evidenzia anche come le emissioni legate all’uso dell’intelligenza artificiale dipenderanno da dove verrà utilizzata, afferma Jesse Dodge, ricercatore presso l’Allen Institute for AI, che non ha preso parte allo studio. L’impronta di carbonio dell’intelligenza artificiale in luoghi in cui la rete elettrica è relativamente pulita, come la Francia , sarà molto inferiore rispetto a luoghi con una rete fortemente dipendente dai combustibili fossili, come alcune parti degli Stati Uniti.
Esistono varie strategie per rendere i sistemi di AI più efficienti dal punto di vista energetico, come l’utilizzo di modelli più piccoli, l’ottimizzazione di algoritmi per l’efficienza energetica o l’utilizzo di tecniche come la potatura o la quantizzazione per ridurre i requisiti computazionali dei modelli di AI.
Politiche e normative: le politiche e le normative possono svolgere un ruolo chiave nel ridurre il consumo di energia e l’impronta di carbonio dell’AI. Ciò potrebbe comportare la definizione di standard di efficienza energetica per i sistemi di intelligenza artificiale, l’incentivazione dell’uso di energie rinnovabili o la richiesta alle aziende di segnalare e ridurre le proprie emissioni di carbonio.
Ecco alcuni numeri che evidenziano il consumo energetico e l’impronta di carbonio dell’AI:
Uno studio pubblicato su Nature Climate Change nel 2019 ha stimato che l’addestramento di un singolo modello di intelligenza artificiale può emettere tanto carbonio quanto cinque automobili nel corso della loro vita. Ciò equivale a circa 284.000 libbre (129.000 chilogrammi) di anidride carbonica.
Secondo un rapporto del 2020 dell’Agenzia internazionale per l’energia (IEA), i data center, che ospitano molti sistemi di intelligenza artificiale, rappresentano circa l’1% del consumo globale di elettricità. Ciò equivale all’incirca al consumo di elettricità dell’intero paese dell’Australia.
Uno studio del 2020 condotto da ricercatori dell’Università del Massachusetts, Amherst, ha stimato che l’energia utilizzata per l’inferenza dell’intelligenza artificiale nei data center potrebbe rappresentare il 2,5% del consumo globale di elettricità entro il 2030.
Un rapporto del 2020 di OpenAI ha rilevato che la quantità di potenza di calcolo utilizzata nelle più grandi sessioni di formazione sull’intelligenza artificiale è raddoppiata ogni 3,4 mesi dal 2012. Tuttavia, il rapporto ha anche osservato che i miglioramenti nell’efficienza dell’hardware hanno aiutato per compensare parte di questo aumento del consumo di energia.
Alcune aziende di intelligenza artificiale stanno compensando le proprie emissioni di carbonio. Ad esempio, Google è a zero emissioni di carbonio dal 2007 e mira a operare con energia priva di emissioni di carbonio 24 ore su 24, 7 giorni su 7 in tutti i suoi data center e campus in tutto il mondo entro il 2030.
L’Unione Europea ha fissato l’obiettivo di ridurre le proprie emissioni di gas serra di almeno il 55% entro il 2030 rispetto ai livelli del 1990, e di raggiungere l’azzeramento delle emissioni nette entro il 2050. Questi obiettivi potrebbero portare a riduzioni il consumo energetico e l’impronta di carbonio dell’intelligenza artificiale nell’UE.
“Il nucleare sta tornando in tutto il mondo”. Lo ha detto in questi giorni la commissaria Ue all’Energia Kadri Simson.
L’ Agenzia internazionale dell’energia faceva riferimento a “Una nuova alba per l’energia nucleare” nel report annuale del 2022 anno in cui l’Europa ha inserito questa risorsa assieme al gas tra quelle da utilizzare nella transizione energetica.
Dall’altra parte dell’atlantico le manovre strategiche di Microsoft nello spazio dell’intelligenza artificiale vanno ben oltre l’aiutare OpenAI a creare chatbot migliori in modo che possano vendere le licenze di Office 365 Co-Pilot.
Mentre si rafforza la loro partnership con OpenAI e le loro alleanze si fanno sempre più profonde assistiamo anche a una trasformazione dell’infrastruttura, con Microsoft che investe pesantemente nell’energia nucleare (attraverso una società in portafoglio di Sam Altman Helion) per sostenere i suoi ampi data center creando una nuova business unit cloud competitiva che ha la promessa di offrire un insieme unico di servizi.
Bill Gates ha anche avviato un incubatore per progetti SMR chiamato TerraPower. Tuttavia, TerraPower “non ha attualmente alcun accordo per la vendita di reattori a Microsoft”, secondo una dichiarazione alla CNBC .
Sebbene Azure con OpenAI sia fondamentale, i costi diventeranno un problema.
Secondo quanto riferito, Sam Altman sta cercando di chiedere a Microsoft maggiori finanziamenti per gestire OpenAI poiché i costi per addestrare i modelli di intelligenza artificiale sono aumentati vertiginosamente.
Una parte importante di questo costo è l’elettricità. L’energia rappresenta il 60-70% dei costi di gestione di un data center. Se Microsoft riesce a ridurre questi costi (sia per OpenAI che per i suoi clienti), otterrà un enorme vantaggio in termini di prezzi che potrà offrire ai propri clienti finali.
Inoltre, Microsoft ha firmato una partnership con l’operatore della centrale nucleare con sede in Virginia Constellation Energy per portare l’energia nucleare nei propri data center, dimostrando l’impegno di Microsoft nel ridurre la propria impronta di carbonio e nell’innovazione nel settore energetico.
Ad esempio, in questa partnership, un data center a Boydton, in Virginia, avrà fino al 35% della sua energia fornita dall’energia nucleare.
Questa strategia prevede l’adozione di piccoli reattori modulari (SMR), che rappresentano una potenziale soluzione ai limiti di potenza delle crescenti operazioni dei data center. In italia ci stanno lavorando Enea e Ansaldo Nucleare .
Gli SMR usano le scorie come combustibile per reattori. Sulla quarta generazione e sugli Smr si sta muovendo per esempio Enel che collabora con Newcleo, società italiana con sede a Londra.
In effetti, Microsoft sta assumendo attivamente esperti in tecnologia nucleare per implementare una strategia globale per l’energia SMR e microreattori per supportare le esigenze energetiche sia del cloud che dell’intelligenza artificiale di Microsoft.
Gli effetti di questo passaggio sono grandi. L’energia nucleare rappresenta solo il 50-70% del costo dell’energia da carbone (già considerata attualmente una delle fonti di elettricità più economiche).
Ci vuole molto capitale in anticipo per costruire una centrale nucleare (che si tratti di un SMR o di una centrale elettrica completa), ma per Microsoft il risparmio potrebbe valere miliardi di dollari per i propri data center.
Ciò significa realizzare una delle più rapide crescite di software o piattaforme aziendali mai viste (da dimostrare), oltre a riprogettare un nuovo alimentatore per gestire molti dei loro data center che alimenteranno il sistema ChatGPT/API di OpenAI a un costo molto più conveniente.!
Giovedì 9 marzo Eni ha firmato un accordo di cooperazione tecnologica con Commonwealth Fusion Systems, spinout dell’Mit. Obiettivo: accelerare l’industrializzazione dell’energia da fusione e non da fissione, ha un obiettivo ambizioso: realizzare nel 2025 il primo impianto pilota a confinamento magnetico, ed entro il 2035, costruire la prima centrale elettrica industriale in grado di immettere elettricità nella rete.
Il 6 Marzo Edf, Edison e Ansaldo hanno sottoscritto una lettera di intenti per collaborare allo sviluppo del nuovo nucleare in Europa, per favorirne la diffusione anche in Italia.
La sfida è complessa, sia dal punto di vista tecnico che da quello economico: nelle stesse ore dell’annuncio sono andati in fumo i piani della statunitense NuScale di costruire il primo reattore Smr sul suolo americano.
Il boom della domanda energetica sta spingendo al limite la rete elettrica americana. Complici l’intelligenza artificiale, i centri per i dati e il mining di criptovalute, la richiesta di energia elettrica è balzata negli ultimi anni mettendo a dura prova la rete di trasmissione elettrica con il rischio di innescare una crisi di sistema potenzialmente in grado di minacciare anche la transizione verso l’energia pulita.
Secondo quanto riportato in un articolo del Washington Post, vaste aree degli Stati Uniti rischiano di rimanere a corto di energia. In Georgia, la domanda di energia industriale sta raggiungendo livelli record, con la proiezione di un nuovo utilizzo di elettricità per il prossimo decennio ormai 17 volte superiore a quello registrato solo di recente. In Arizona si prevede che la capacità di trasmissione sarà esaurita prima della fine del decennio e la Virginia del Nord ha bisogno dell’equivalente di diverse grandi centrali nucleari per servire tutti i nuovi data center pianificati e in costruzione. Senza parlare dell Texas, dove la carenza di elettricità è già una routine.
Aziende tecnologiche come Amazon, Apple, Google, Meta e Microsoft così come molte altre aziende meno conosciute sono a caccia di siti per nuovi data center che andranno ad esercitare ulteriori pressioni su una rete già sovraccarica. Senza contare che l’impennata del consumo di energia sta già ritardando la chiusura delle centrali a carbone.
Tenere il passo con la crescita del settore e la conseguente crescente domanda di elettricità da parte dell’Intelligenza Artificiale causerà un aumento delle emissioni di riscaldamento del pianeta, che alcuni stimano poter essere fino all’80%, anche se va detto che proprio i progressi nei sistemi di AI possono contribuire a migliorare il riscaldamento globale.
L’intelligenza artificiale può essere utilizzata per prevedere la siccità in Africa e in altre zone del pianeta, per monitorare la deforestazione, identificare sversamenti illegali, monitorare gli eventi meteorologici, analizzare i cambiamenti nello scioglimento del giacchio ai poli ma anche gestire in modo più intelligente le città, il traffico urbano, i trasporti, riducendo l’impatto dell’inquinamento.
Con il mondo sulla buona strada per non riuscire a raggiungere l’obiettivo dell’Accordo di Parigi di mantenere il riscaldamento al di sotto di 1,5° C, sfruttare l’Intelligenza Artificiale per arginare il cambiamento climatico è, tra le altre, l’enorme opportunità di questa tecnologia.
Secondo il rapporto Accelerating Climate Action with AI di BCG scritto in collaborazione con Google, l’implementazione della tecnologia e della scalabilità dell’intelligenza artificiale ha già dimostrato che le applicazioni dell’intelligenza artificiale per il clima possono ridurre significativamente le emissioni globali di gas serra (GHG). Scalando le applicazioni e le tecnologie attualmente collaudate, l’AI ha il potenziale per sbloccare informazioni che potrebbero aiutare a mitigare dal 5% al 10% delle emissioni di gas serra entro il 2030 che inserito nel contesto di cui si parla, equivale alle emissioni totali dell’Unione Europea.
Il tema del ruolo dell’intelligenza artificiale nell’affrontare il cambiamento climatico sarà sicuramente un argomento caldo alla prossima COP29 che si terrà a Baku in Azerbaijan anche se suona un po’ paradossale il fatto che discutere come raggiungere l’obiettivo delle Nazioni Unite di ridurre le emissioni del 43% entro il 2030 si faccia in un Paese esportatore di combustibili fossili, il cui uso è la principale causa del riscaldamento globale (non che la scelta di Dubai per la COP 28 fosse, dallo stesso punto di vista, tanto oculata).
Il problema effettivo, tornando al nostro tema principale, è che sebbene l’Intelligenza Artificiale possa essere parte della soluzione al tema del riscaldamento climatico, è essa stessa parte del problema, avendo una propria, significativa, impronta carbonica. Da questo punto di vista è necessario un approccio integrato al problema che coinvolga l’ottimizzazione dei processi tecnici, l’adozione di pratiche sostenibili e l’impegno a livello politico e industriale per promuovere la sostenibilità ambientale che passi non solo dall’azione su larga scala di fonti rinnovabili già disponibili e mature come il solare e l’eolico, ma anche attraverso la ricerca di fonti di energia alternative e pulite come la fusione a confinamento magnetico in grado di rilasciare un’enorme quantità di energia senza emettere gas a effetto serra.
Non perderti le ultime novità sul mondo dell’Intelligenza Artificiale, i consigli sui tool da provare, i prompt e i corsi di formazione. Iscriviti alla newsletter settimanale e accedi a un mondo di contenuti esclusivi direttamente nella tua casella di posta!
Lo scorso 13 dicembre 2023 si è chiuso il sipario sulla COP28 – la Conferenza delle Nazioni Unite sui cambiamenti climatici che si è tenuta a Dubai sotto la presidenza degli Emirati Arabi – con un compromesso storico che segna una svolta nei negoziati climatici: per la prima volta, un impegno a porre fine all’utilizzo di petrolio, gas e carbone ha trovato spazio nell’accordo conclusivo, anche se con sfumature che parlano più di “transizione” piuttosto che un “phase-out” deciso.
In ogni caso, mentre interpretazioni divergenti si scontrano già sull’accordo, l’emergenza climatica rimane una sfida ancora aperta, soprattutto alla luce di quanto accaduto nel 2023, considerato l’anno più caldo registrato fino ad ora, e il timore che il 2024 possa superare questo record.
Sostenibilità e Transizione Energetica
Il testo approvato a Dubai propone una transizione dai combustibili fossili, che dovrebbe essere accelerata nel decennio attuale, con l’obiettivo di raggiungere lo zero netto di emissioni di gas serra entro il 2050. Una soluzione che, sebbene eviti la parola “phase-out”, punta comunque a contenere l’aumento delle temperature globali e a mantiene viva l’eredità dell’accordo di Parigi del 2015.
La questione più divisiva è stata quella dei combustibili fossili, soprattutto a causa delle reticenze dei Paesi produttori di petrolio e gas che minacciavano altrimenti di far saltare l’accordo, anche se non si parla solo di questo, ma anche di un impegno significativo a triplicare la capacità delle fonti rinnovabili e a raddoppiare l’efficienza energetica entro il 2030.
L’Impronta Carbonica dell’Intelligenza Artificiale
Mentre registriamo questo progresso, dobbiamo anche affrontare un’altra emergenza crescente: l’impronta carbonica dell’Intelligenza Artificiale (AI). L’espansione dell’AI ha portato a un aumento significativo dei consumi energetici, sollevando la questione della sostenibilità nell’era digitale.
Sostenibilità nell’Intelligenza Artificiale
Tuttavia, l’Intelligenza Artificiale stessa può essere una risorsa chiave nella lotta contro il cambiamento climatico. Applicazioni e strumenti basati su intelligenza artificiale possono rivoluzionare diversi settori, contribuendo alla sostenibilità e al risparmio energetico. Ad esempio, nell’agricoltura, l’AI può ottimizzare l’uso delle risorse, riducendo gli sprechi e migliorando la produttività. Nei trasporti, sistemi di gestione del traffico basati sull’AI possono ridurre il consumo di carburante e le emissioni. Un esempio concreto è l’applicazione di algoritmi di machine learning per ottimizzare la distribuzione dell’energia elettrica, riducendo gli sprechi e migliorando l’efficienza complessiva delle reti. Inoltre, l’AI può essere utilizzata per la progettazione di edifici a basso impatto ambientale, contribuendo a costruire un ambiente coeso con gli obiettivi della COP28.
La COP28 ha posto le basi per una transizione energetica significativa, ma la sfida è multidimensionale. Dobbiamo affrontare non solo l’eliminazione dei combustibili fossili ma anche l’impatto ambientale crescente dell’AI. Perché se da un lato è vero che per garantire una transizione energetica il più velocemente possibile, l’Intelligenza Artificiale dovrà essere parte integrante delle iniziative di decarbonizzazione è anche vero che i sistemi basati sull’AI, richiedendo enormi capacità di calcolo richiederanno enormi quantità di energia.
Tuttavia, se utilizzate in modo saggio, l’applicazione delle leve dell’Intelligenza Artificiale nei vari settori dell’economia, potrebbero ridurre le emissioni mondiali di gas a effetto serra del 4% nel 2030, un importo equivalente a 2,4 Gt di CO2, l’equivalente delle emissioni annuali del 2030 di Australia, Canada e Giappone messe insieme.
