immagine di copertina per articolo Intelligenza Nucleare
Tecnologie

Intelligenza Nucleare

L’inarrestabile crescita dei sistemi di IA minaccia di superare i limiti della sostenibilità, consumando risorse a un ritmo senza precedenti. Il sogno verde delle rinnovabili sembra allontanarsi, lasciando spazio a una rinnovata attenzione verso l’energia nucleare.

Sono lontani i tempi in cui i colossi della Silicon Valley si erano impegnati a ridurre drasticamente i loro consumi. Attorno al 2020, Microsoft, Google, Amazon, Apple e tutti gli altri giganti della tecnologia avevano promesso che avrebbero raggiunto entro il 2030, o al massimo il 2040, le emissioni nette zero – dove il termine “nette” significa che l’obiettivo può essere conquistato anche tramite forme di compensazione come i carbon credits, la piantumazione di alberi e altro.

Le cose sono andate molto diversamente. In un report pubblicato all’inizio di luglio 2024, Google ha ammesso che le sue emissioni, invece di diminuire, erano aumentate del 48% negli ultimi cinque anni e del 13% rispetto all’anno precedente, ammettendo inoltre che ridurre le emissioni nel prossimo futuro sarebbe stato più difficile del previsto. Il traguardo fissato per la fine del decennio, insomma, sarà quasi certamente mancato.

La stessa ammissione è giunta da Microsoft, che nel maggio scorso aveva fatto sapere che le sue emissioni di anidride carbonica erano aumentate del 30% rispetto al 2020. Discorso simile anche per Amazon: nonostante abbia annunciato di aver ridotto l’anidride carbonica prodotta del 3% rispetto al 2023, analizzando i dati più di lungo termine si scopre che le emissioni del colosso fondato da Jeff Bezos sono in realtà aumentate del 34% rispetto al 2019.

L’insostenibilità dell’Intelligenza Artificiale

La ragione di questa preoccupante inversione di tendenza è una sola: l’insostenibile fame di energia dell’intelligenza artificiale. Già nel 2019, un gruppo di ricercatori dell’Università del Massachusetts aveva stimato che l’addestramento dei primissimi sistemi di intelligenza artificiale generativa potesse produrre fino a 280 tonnellate di anidride carbonica, quasi cinque volte le emissioni provocate da una classica automobile nel corso del suo ciclo di vita (inclusa la produzione dell’auto stessa). Nel 2020, per addestrare GPT-3 (il modello linguistico che alimentava la prima versione di ChatGPT) erano stati necessari 1.287 megawattora, provocando 550 milioni di tonnellate di anidride carbonica (quanto 200 voli da Milano a New York) e consumando 3,5 milioni di litri di acqua.

Una richiesta posta a ChatGPT comporta un consumo energetico dieci volte superiore a quello di una ricerca su Google (2,9 wattora contro 0,3), per non parlare dell’energia molto superiore necessaria per la generazione di immagini tramite Dall-E o Midjourney e di quella esorbitante che servirà per far funzionare gli imminenti sistemi “text-to-video”, in grado cioè di generare brevi video rispondendo a un nostro comando in linguaggio naturale.

Nel frattempo, questi modelli sono diventati non solo più grandi (se GPT-3 era dotato di 175 miliardi di parametri, si stima che il suo successore GPT-4 ne abbia dieci volte tanto), ma si sono moltiplicati in numero e vengono inoltre utilizzati da una parte crescente della popolazione. A provocare l’aumento delle emissioni non è infatti soltanto l’addestramento di questi sistemi – che richiede l’elaborazione di miliardi di dati in un processo che può essere ripetuto migliaia di volte prima di ottenere i risultati sperati – ma anche il loro utilizzo.

Una richiesta posta a ChatGPT comporta infatti un consumo energetico dieci volte superiore a quello di una ricerca su Google (2,9 wattora contro 0,3), per non parlare dell’energia molto superiore necessaria per la generazione di immagini tramite Dall-E o Midjourney e di quella esorbitante che servirà per far funzionare gli imminenti sistemi “text-to-video”, in grado cioè di generare brevi video rispondendo a un nostro comando in linguaggio naturale (com’è il caso di Kling, della cinese Kuaishou, o di Sora di OpenAI). Secondo i dati del Berkeley Lab, i data center – che forniscono il potere computazionale necessario all’addestramento e all’utilizzo dell’intelligenza artificiale – oggi già richiedono il 4,4% di tutta l’energia e arriveranno al 12% entro il 2028, mentre a livello globale si passerà dall’1,5% al 4% circa. 

Stime più prudenti giungono invece da un recente report di Goldman Sachs, che prevede che la richiesta energetica proveniente dai data center aumenterà del 160% da qui al 2030. Anche in questo scenario meno pessimistico, le conseguenze non possono però essere sottovalutate: “Se il 60% dell’aumento della richiesta provenisse da fonti energetiche come il gas naturale, ciò porterebbe a un aumento delle emissioni di 215-220 milioni di tonnellate, equivalenti a circa lo 0,6% delle emissioni mondiali”. E quindi, qual è la strada per evitare che l’intelligenza artificiale – fino a oggi spesso presentata come un alleato nella lotta alla crisi climatica – si riveli uno dei principali responsabili dell’aumento di emissioni di anidride carbonica? La controversa risposta che si sta facendo largo è soprattutto una: l’energia nucleare.

Ritorno al nucleare

Google ha annunciato di aver stretto una partnership con la società di energia nucleare Kairos Power (specializzata nello sviluppo di piccoli reattori modulari): “Questo accordo aiuta ad accelerare lo sviluppo di una nuova tecnologia, soddisfacendo le esigenze energetiche in modo pulito e affidabile e dispiegando il pieno potenziale dell’intelligenza artificiale per tutti”, ha specificato un dirigente di Google. Qualcosa di simile sta avvenendo dalle parti di Microsoft, che ha stretto un accordo con Constellation Energy per acquistare energia dal loro impianto di Three Mile Island, la cui riapertura, dopo la chiusura del 2019, è prevista per il 2028.

E poi c’è Sam Altman, il fondatore di OpenAI, che già da tempo ha investito nel settore tramite startup come Oklo e Helion, entrambe impegnate a trovare – secondo le parole di Altman – “nuovi modi per rendere questa fonte energetica più efficiente, sicura e abbondante”. Se però Oklo, come la già citata Kairos Power, si occupa della progettazione di piccoli reattori modulari (in inglese SMR: small modular reactor), Helion insegue invece il sogno scientifico della fusione nucleare: la tecnologia che permetterebbe di generare una fonte illimitata di energia pulita, ma la cui sperimentazione, fino a oggi, ha compiuto solo piccoli passi avanti. Al di là degli aspetti tecnici, gli investimenti della Silicon Valley nel mondo nucleare confermano un cambio di approccio che non riguarda soltanto le grandi aziende, ma anche le nazioni. Durante la COP28 del 2023 (la conferenza delle Nazioni Unite sul cambiamento climatico), i partecipanti si sono accordati per triplicare la capacità energetica prodotta tramite energia nucleare entro il 2050.

Se viene ormai dato per scontato che l’avanzata dell’intelligenza artificiale passi dall’incremento dell’energia nucleare, ci sono però altre domande che restano aperte: davvero è necessario tutto ciò al solo scopo di sostenere lo sviluppo di una tecnologia che – nella sua forma generativa, ovvero in grado di produrre testi, immagini, video, ecc. – non ha finora dimostrato capacità trasformative sufficienti a giustificare i colossali investimenti?

E le rinnovabili in tutto ciò? Come spiega sempre il report di Goldman Sachs (e come confermato anche da altre fonti), solare ed eolico non sono sufficienti a soddisfare l’appetito energetico dei data center: “Prevediamo che il 40% della potenza necessaria all’aumento di domanda da parte dei data center proverrà dalle rinnovabili”, che sono inoltre limitate dalla “volatilità giornaliera” e dal fatto di “non essere accessibili 24/7 senza interruzioni”, come invece richiedono i data center.

La transizione ambientale a base di rinnovabili si scontra quindi con un aumento di richiesta energetica che, fino a pochi anni fa, non sarebbe stato immaginabile. Nelle ultime settimane, questa crescita è stata simboleggiata dall’annuncio del maxiprogetto statunitense Stargate: un investimento a lungo termine fino a 500 miliardi di dollari per l’ampliamento dell’infrastruttura di data center, al fine esplicito di fornire ai sistemi di intelligenza artificiale tutto l’immenso potere computazionale di cui avranno bisogno in futuro.

Se viene ormai dato per scontato che l’avanzata dell’intelligenza artificiale passi dall’incremento dell’energia nucleare, ci sono però altre domande che restano aperte: davvero è necessario tutto ciò al solo scopo di sostenere lo sviluppo di una tecnologia che – nella sua forma generativa, ovvero in grado di produrre testi, immagini, video, ecc. – non ha finora dimostrato capacità trasformative sufficienti a giustificare i colossali investimenti? Anche dando per scontato che l’intelligenza artificiale generativa cambierà il mondo, sono realmente indispensabili questi investimenti da centinaia di miliardi di dollari, e le scelte drastiche necessarie per alimentare i data center, alla luce dell’avvento dei modelli linguistici della startup cinese DeepSeek, i cui costi (e quindi i consumi) per l’addestramento sarebbero stati 1/50 di quelli necessari per i più recenti large language model occidentali, sfruttando poche migliaia di GPU dalle prestazioni ridotte laddove OpenAI e gli altri impiegano decine di migliaia delle più potenti?

A criticare la strategia all’insegna del gigantismo della Silicon Valley, mentre in altre parti del mondo stanno puntando tutto sull’efficienza, è anche lo scienziato informatico Gary Marcus, che nella sua newsletter scrive: “I risultati di DeepSeek suggeriscono che sia possibile eccellere senza utilizzare chip all’avanguardia. Anche investire 500 miliardi di dollari in data center ed energia, al servizio di un’enorme collezione di microprocessori, non sembra al momento una scelta così indovinata”.

Per quanto sia stato in grado di mettere in discussione alcuni dogmi all’apparenza inscalfibili della Silicon Valley – a partire da quella legge di scala che postula che, per migliorare le performance dei modelli linguistici, siano necessarie reti neurali sempre più grandi e alimentate da un potere di calcolo sempre crescente – DeepSeek potrebbe essere arrivato troppo tardi. Tra intelligenza artificiale, data center ed energia nucleare sono ormai in ballo investimenti da migliaia di miliardi di dollari. Chi è disposto a fermare un treno ricchissimo e in piena corsa?


Andrea Daniele Signorelli

Giornalista freelance, si occupa del rapporto tra nuove tecnologie, politica e società. Scrive per Domani, Wired, Repubblica, Il Tascabile e altri. È autore del podcast Crash - La chiave per il digitale.

Vedi tutti gli articoli di Andrea Daniele Signorelli

Leggi anche

immagine articolo L’arte di morire nei videogiochi
immagine articolo La realtà sotto attacco

Restiamo in contatto!

Iscriviti alla newsletter di Link per restare aggiornato sulle nostre pubblicazioni e per ricevere contenuti esclusivi.