Scoprire l'impronta nascosta dell'IA: come calcolare il proprio consumo
Nell'era digitale, i sistemi di intelligenza artificiale (AI) sono diventati una parte integrante delle nostre vite. Tuttavia, dietro ogni query AI c'è un fatto meno noto: l'impronta idrica dell'AI.
Due flussi di utilizzo dell'acqua sono associati all'AI: il raffreddamento sul posto dei server e la generazione di elettricità per alimentare il data center. Per una query di lunghezza media a GPT-5, l'impronta idrica calcolata è di circa 39 millilitri d'acqua per risposta, utilizzando un fattore idrico di 2 millilitri per wattora. Questa impronta può essere paragonata ad altri usi dell'acqua familiari, come l'irrigazione dei prati e dei giardini residenziali negli Stati Uniti, che utilizza circa 34 miliardi di litri al giorno.
L'impronta idrica delle query AI può variare notevolmente a seconda del luogo e del momento dell'operazione. Il momento influisce sull'uso dell'acqua, con i data center che utilizzano più acqua durante i mesi estivi caldi e durante le ondate di calore a mezzogiorno. L'uso dell'acqua cambia drasticamente con la posizione, con i data center in zone fresche e umide che utilizzano poca acqua rispetto a quelli in zone calde e secche come l'Arizona.
Le centrali elettriche che generano l'energia per i data center utilizzano grandi volumi d'acqua per i cicli di vapore e il raffreddamento. L'idroelettrico e le centrali solari concentrate possono essere intensivi per l'acqua. Il raffreddamento sul posto spesso utilizza torri di raffreddamento evaporative, che rimuovono l'acqua dalle forniture d'acqua locali.
Despite the significant water footprint, these solutions are not yet mainstream due to cost, maintenance complexity, and the difficulty of converting existing data centers to new systems. Most operators still rely on evaporative systems. However, newer approaches, such as immersion cooling and Microsoft's zero-water cooling design, offer promising alternatives to traditional cooling methods.
Google's Gemini system uses about 0.26 milliliters of water per median text prompt, but the prompt length is not specified. Some AI models can consume over 70 times more energy and water than ultra-efficient ones. The different levels of complexity and the hardware and amount of processor power of AI models affect their resource consumption.
It's essential to understand AI not just about writing prompts, but also about the infrastructure, trade-offs, and civic choices that surround AI. While the water footprint of AI is a concern, it's only part of the story. Many people assume AI is inherently harmful due to its energy and water footprint, but the effects are just one aspect of the broader impact of AI on our society and environment.
In conclusion, as we continue to advance in the realm of AI, it's crucial to consider the environmental implications, including water usage, and strive to develop more sustainable solutions. By doing so, we can ensure that the benefits of AI are enjoyed without compromising our planet's precious resources.
Leggi anche:
- Strategia politica: la fedeltà assicurerà il domani
- Una recente ricerca rivela che leggere il telefono durante la pausa dal bagno può aumentare la probabilità di avere emorroidi.
- L'iniziativa di beneficenza del programma della diocesi di New York 'Un giorno di cibo per Gaza' ha accumulato con successo fondi per 100.000 pasti in due settimane.
- Il procuratore generale del Texas dichiara che i trattamenti di affermazione del genere sono "abuso sui minori" secondo le leggi dello Stato.
