Quanta acqua beve una chat con l'AI? La risposta ti sorprenderà

Quando scriviamo una domanda a ChatGPT o a qualsiasi altro modello di intelligenza artificiale, raramente pensiamo all'impatto ambientale nascosto dietro quella semplice interazione. Eppure, ogni token generato richiede energia elettrica e, di conseguenza, acqua per il raffreddamento dei data center. Un tema sempre più urgente in un'epoca di crisi idrica globale e di esplosione della domanda computazionale.

Quanta acqua consuma davvero una singola richiesta?

Stime recenti suggeriscono che ogni richiesta a un modello come GPT-4 consumi tra i 20 e i 50 millilitri d'acqua, a seconda della lunghezza della risposta e della complessità del calcolo. Per confronto, una tazza di caffè ne richiede circa 150: significa che potresti fare diverse conversazioni con un'AI prima di eguaggiare il consumo idrico di una singola bevanda.

Questi numeri sembrano minimi, ma va considerato l'effetto scala. Con miliardi di richieste al giorno in tutto il mondo, il consumo aggregato diventa significativo. Alcuni studi indicano che il settore dell'AI potrebbe consumare centinaia di milioni di litri d'acqua ogni giorno a livello globale, una quota che crescerà esponenzialmente nei prossimi anni.

Il legame tra data center e risorse idriche

I data center che ospitano i modelli di intelligenza artificiale utilizzano sistemi di raffreddamento a evaporazione per mantenere operative migliaia di GPU e TPU. L'acqua viene impiegata principalmente nelle torri di raffreddamento, dove il calore generato dai server viene disperso nell'atmosfera attraverso evaporazione. Questo processo è efficiente ma molto idro-esigente.

In regioni già soggette a stress idrico — come la California, cuore della Silicon Valley, o parti della Spagna e dell'Italia meridionale — il ritorno dei giganti tecnologici ha accentuato le tensioni locali sulle risorse idriche. Società come Microsoft, Google e Amazon hanno investito in tecnologie di raffreddamento più sostenibili, ma la transizione è lenta e i volumi restano elevati.

Il costo nascosto dell'addestramento

Mentre il consumo operativo di ogni singola richiesta attira sempre più attenzione, l'addestramento dei modelli di grandi dimensioni rappresenta la fetta maggiore del consumo idrico complessivo. Addestrare un modello come GPT-3 ha richiesto milioni di kWh di energia e centinaia di milioni di litri d'acqua per il raffreddamento. I modelli più recenti, con parametri che superano il trilione, moltiplicano ulteriormente questi fattori.

Ecco i principali fattori che influenzano il consumo idrico legato all'AI:

• Dimensioni del modello: più parametri ci sono, più server servono e più acqua è necessaria per il raffreddamento.
• Durata dell'addestramento: giorni o settimane di computazione intensiva aumentano proporzionalmente il fabbisogno idrico.
• Tecnologia di raffreddamento: i sistemi a ciclo chiuso o ad aria consumano meno acqua rispetto alle torri evaporative tradizionali.
• Posizione geografica: i data center in zone aride hanno un impatto maggiore sulle comunità locali.
• Energia utilizzata: fonti rinnovabili riducono l'impronta complessiva, ma non eliminano il bisogno di raffreddamento.

Come ridurre l'impatto idrico dell'AI

La buona notizia è che esistono azioni concrete che aziende e singoli utenti possono intraprendere. Le grandi compagnie stanno investendo in raffreddamento ad aria, riciclo delle acque e posizioni geografiche più fortunate, ma il cambiamento deve avvenire anche a livello individuale. Scegliere modelli più leggeri quando possibile, ottimizzare i prompt per ridurre le iterazioni e sostenere politiche di trasparenza sui consumi dei data center sono tutti passi significativi.

Allo stesso tempo, è fondamentale promuovere la ricerca su modelli più efficienti dal punto di vista energetico e idrico. Tecniche come il distillation, il quantization e l'uso di architetture sparse stanno già mostrando risultati promettenti, permettendo prestazioni elevate con un frazionamento notevole delle risorse necessarie.

Takeaway pratico

Ogni volta che interagisci con un'AI, ricorda che c'è un costo ambientale reale. Sii consapevole della portata delle tue richieste: domande concise, risposte mirate e un uso critico degli strumenti AI possono fare la differenza. Il futuro dell'intelligenza artificiale dovrà essere non solo intelligente, ma anche sostenibile. Scegliere l'efficienza non è solo una questione etica: è una necessità che la tecnologia stessa sta imparando a risolvere.