Il boom dell'intelligenza artificiale non accenna a diminuire: ma a quale costo in termini di sostenibilità?

Il passaggio alle energie rinnovabili e la riduzione dell'utilizzo è il primo passo fondamentale per ridurre le emissioni di carbonio; tuttavia, affinché tutto ciò avvenga in modo efficace, è necessario innanzitutto comprendere l'utilizzo attuale, definire gli obiettivi e misurare i progressi compiuti. Pensate a una dieta... Se non sapete quanto pesate all'inizio o quante calorie consumate ogni giorno, difficilmente riuscirete a raggiungere i vostri obiettivi.

 

In occasione dell'Ethical Business Summit, organizzato recentemente dell'Association of Translation Companies (ATC), uno dei punti che mi ha colpito di più è stato il mantra "Progress, not perfection" ("progresso, non perfezione"), tratto da un discorso di Dallas Consulting. La ricerca della perfezione si traduce in un fallimento, ma un insieme di piccoli obiettivi e di traguardi significativi può fare la differenza. 

 

Un cambiamento che può avere un impatto significativo è valutare la possibilità di spostare le piattaforme software nel cloud pubblico, utilizzando fornitori responsabili che mirano a raggiungere la neutralità delle emissioni di anidride carbonica. I fornitori di servizi cloud sono intrinsecamente più efficienti. Dopotutto, l'efficienza influenza in modo diretto la loro redditività, pertanto è nell'interesse di un fornitore di servizi cloud investire in tecnologie all'avanguardia e disporre di un sistema di monitoraggio che assicuri l'utilizzo efficiente dell'hardware e l'ottimizzazione della capacità. Le statistiche indicano che il 20% dei server rack non viene utilizzato appieno o, peggio ancora, non viene utilizzato affatto. Il panorama del cloud, in quanto spesa esternalizzata, è costantemente sotto osservazione da parte dei team di approvvigionamento, ma i server gestiti e self-hosted tendono a passare inosservati.

 

 

 

Dire che l'intelligenza artificiale è decollata negli ultimi tempi sarebbe l'eufemismo dell'anno. Il potenziale dell'intelligenza artificiale non ha confini e i vantaggi sono stati già osservati e utilizzati da molti, ma c'è un costo nascosto di cui dovremmo essere a conoscenza nell'ambito della sostenibilità che probabilmente non è immediatamente evidente.

 

L'addestramento di modelli linguistici di grandi dimensioni (LLM) richiede un'enorme potenza di calcolo. L'addestramento di GPT-3 ha causato un'emissione di circa 500 tonnellate di anidride carbonica. Un dato che, contestualizzato, equivale a percorrere 1,4 milioni di chilometri con un veicolo medio a benzina o a ricaricare 67 milioni di smartphone.

 

Si parla molto di integrare l'intelligenza artificiale e i LLM nei motori di ricerca più comuni. Secondo le stime, l'integrazione dell'intelligenza artificiale generativa richiederà una potenza di calcolo 4-5 volte superiore per ogni ricerca. ChatGPT ha attualmente circa 13 milioni di utenti al giorno, mentre un motore di ricerca tradizionale gestisce 500 milioni di ricerche al giorno!

 

Dobbiamo anche considerare l'hardware necessario per generare modelli di intelligenza artificiale. La maggior parte dei modelli di intelligenza artificiale generativa più noti sono elaborati da fornitori hyperscale, che richiedono migliaia di server con GPU (Graphics Processing Units). Anche le GPU hanno avuto nuova vita dalla nascita del mining di criptovalute e dell'apprendimento automatico, con una domanda che per un certo periodo ha superato la capacità produttiva. Le GPU sono ideali per l'apprendimento automatico in quanto possono gestire enormi set di dati e eseguire algoritmi complessi in modo più efficiente e in parallelo, ma c'è un compromesso in termini di energia necessaria per alimentare le GPU.

 

I data center sono attualmente responsabili di circa l'1-3% delle emissioni di gas serra a livello mondiale, ma le stime indicano che non saranno ancora in grado di far fronte alla crescente domanda di intelligenza artificiale generativa a causa dell'integrazione con i più diffusi motori di ricerca.

Stiamo iniziando a notare un cambiamento di mentalità e un crescente interesse nella costruzione di nuovi data center. Ad esempio, in occasione dell'Ethical Business Summit dell'ATC, Christos Ellinides, della Directorate-General for Translation della Commissione europea, ha commentato che nove data center sono in fase di allestimento per ospitare supercomputer in tutta Europa e sono alimentati prevalentemente con energia rinnovabile. Ad esempio, un data center realizzato in Lussemburgo utilizza il 100% di energia rinnovabile, prodotta dai rifiuti di legno, per raffreddare e alimentare il supercomputer.

 

 

Perché l'intelligenza artificiale utilizza così tanta potenza di elaborazione? 

 

L'addestramento iniziale di un modello di intelligenza artificiale generativa è la parte più intensiva di un processo. L'addestramento di un singolo LLM consuma la stessa energia e impronta di carbonio di un volo commerciale transatlantico. Una volta addestrati, l'utilizzo di questi modelli per ottenere risposte alle richieste degli utenti richiede meno energia per ogni sessione, ma il numero di sessioni è in continua crescita.

 

Inoltre, stiamo assistendo a un notevole aumento del numero di varianti open-source per i LLM, in quanto le organizzazioni lottano per diventare leader in questo settore. Questo spazio open-source è ricco di innovazioni; offre una scelta di modelli e li rende accessibili a un pubblico più ampio. Tuttavia, in un'ottica orientata alla sostenibilità, ciò si traduce in un maggior numero di organizzazioni che lavorano per creare o perfezionare i propri modelli, il che a sua volta comporta una maggiore richiesta di energia. A causa della natura decentralizzata di questa tendenza, la responsabilità non è solo nelle mani di poche aziende. Tutte le azioni e le iniziative volte a ridurre l'impronta di carbonio devono quindi essere rese accessibili a più organizzazioni.

 

Attualmente sono in corso numerose ricerche per determinare l'approccio migliore per definire una strategia LLM. Stiamo iniziando a chiederci quale sia la dimensione ottimale. È meglio costruire un LLM da zero o optare per un modello commerciale? Vedo molte somiglianze con ciò che il settore linguistico ha passato quando le memorie di traduzione divennero popolari tanti anni fa, e i professionisti del settore erano alla ricerca del Santo Graal per perfezionare la loro strategia di TM. La nascita dei LLM riapre il dibattito, perché possiamo iniziare a sfruttare il potenziale dell'intelligenza artificiale generativa per integrare, istruire e migliorare le risorse di traduzione convenzionali come le TM, la terminologia e la traduzione automatica.

 

 

 

La ricerca è sulla buona strada per capire come ridurre la quantità di potenza di calcolo necessaria per lavorare su nuovi dati. Ciò che è già chiaro, tuttavia, è che è più economico perfezionare o fornire un addestramento specializzato a un LLM esistente, piuttosto che crearne uno nuovo.

 

C'è anche un'opinione contrastante da considerare: i critici affermano che ESG è diventato eccessivamente diretto. Questo, a sua volta, ha causato una fissazione eccessiva all'interno delle organizzazioni, dove le pratiche ESG vengono adottate come segnale di virtù, a volte a scapito della focalizzazione del business e del progresso tecnologico. 

 

È fondamentale trovare il giusto equilibrio tra valore e precisione. Se consideriamo che il costo per migliorare la precisione di un modello dell'1-2% si misura in tonnellate metriche di gas serra, dobbiamo chiederci se questo giustifica i vantaggi ottenuti. In alcuni ambiti e per alcuni flussi di contenuti, cercare di ottenere quell'1-2% in più di precisione è di importanza fondamentale, ma in altri casi i vantaggi potrebbero essere solo nominali.

 

 

 

La scelta del fornitore più adatto è il primo passo del processo. Molti data center si sono impegnati a ridurre le emissioni di carbonio, ma è nostra responsabilità renderli responsabili. Trados Enterprise si affida ad AWS per l'hosting. AWS sta lavorando per alimentare le proprie attività con il 100% di energia rinnovabile entro il 2030, ma al momento è sulla buona strada per raggiungere l'obiettivo entro il 2025. L'azienda mira inoltre ad azzerare le emissioni di carbonio entro il 2040.

Lavorare con fornitori responsabili può anche aiutarvi a raggiungere i vostri obiettivi di riduzione delle emissioni di carbonio, quindi è fondamentale includere questo elemento tra i criteri di selezione. Se il passaggio al cloud pubblico non è un'opzione, considerate un data center responsabile piuttosto che server autogestiti.

 

L'intelligenza artificiale sta cambiando il mondo in cui viviamo e personalmente non intendo scoraggiare nessuno dall'intraprendere questo viaggio. Ciò che tutti noi possiamo fare, tuttavia, è assicurarci di utilizzare l'intelligenza artificiale in modo responsabile tenendo presenti le implicazioni ambientali delle nostre scelte.

 

Sfruttate l'innovazione dell'intelligenza artificiale, ma assicuratevi che offra un vero valore. Il mercato sta diventando saturo di funzionalità basate sull'intelligenza artificiale, sostenendo di essere le migliori in assoluto: si tratta di un effetto collaterale sfortunato e inevitabile quando qualcosa cresce con la velocità e lo slancio che abbiamo visto con l'intelligenza artificiale. Quando valutate una nuova funzionalità, chiedetevi: 

Se la risposta a tutte queste domande è "No", allora direi che la funzione può essere quasi certamente scartata, pronta ad andare in fiamme quando arriverà il 5 novembre.