Inquinamento e AI, 600 mila domande su DeepSeek generano la CO₂ di un volo andata e ritorno Londra - New York

A primo impatto può sembrare strano invece è realtà. C’è un legame tra inquinamento e AI, in particolare per il modello di intelligenza artificiale DeepSeek, creato da una startup cinese. In generale qualsiasi di infrastruttura di rete viene alimentata di energia, prevalentemente prodotta da combustibili fossili e hanno un sistema di raffreddamento che utilizza acqua in dosi massicce. Secondo una recente ricerca condotta dal dipartimento per le Scienze Digitali e l’Intelligenza artificiale dell’Università di Monaco, il dispendio in termini di CO2 quando si utilizza AI è esorbitante ma si può correre ai ripari.

• Come inquina l'AI: l'analisi su DeepSeek e sugli altri modelli
• I risultati della ricerca sull'inquinamento dell'AI
• Risposte più brevi dell'AI inquinano di meno

Come inquina l’AI: l’analisi su DeepSeek e sugli altri modelli

La ricerca sull’inquinamento prodotto dall’AI ha utilizzato i seguenti parametri: capacità di saper rispondere ai comandi in maniera approfondita, l’uso dei Token e l’emissione equivalenti di CO2 su 14 modelli linguistici con un numero di parametri compreso tra 7 e 72 miliardi. Le emissioni sono state misurate utilizzando il framework Perun su una GPU NVIDIA A100.

Precedenti ricerche avevano dimostrato che i modelli generativi consumano circa 29,3 TWh l’anno, simili al consumo totale dell’Irlanda ma non avevano mai focalizzato l’attenzione sulle emissioni di CO2. Tra il 2020 e il 2025 solo l’1,82% delle pubblicazioni menzionava “emissioni di carbonio” e solo lo 0,64% trattava direttamente l’impatto della CO₂.

Getty

Per condurre questo nuovo studio, l’Università di Monaco ha utilizzato diversi modelli di intelligenza artificiale chiedendo di rispondere a 500 domande su 15 mila a scelta multipla o risposta libera toccando cinque argomenti:

• Filosofia
• Storia
• Diritto internazionale
• Algebra astratta
• Matematica (livello liceo)

I risultati della ricerca sull’inquinamento dell’AI

I risultati rivelano una forte correlazione tra dimensione del modello, comportamento di ragionamento, generazione di token ed emissioni. I modelli di dimensioni maggiori sono più accurate nelle risposte, ottenendo punteggi più alti (fino all’84,9% di accuratezza), ovviamente anche un’impronta ambientale significativamente maggiore, dovuta in larga parte all’aumento nella generazione di token.

In sostanza i numeri dell’inquinamento dell’AI parlano di una dimensione tale da essere paragonabile alle emissioni generate da voli intercontinentali.

Il modello di ragionamento più grande, Deepseek-R1 70B, ha raggiunto un’accuratezza del 78,9%, ma ha emesso 2.042,4 g di CO2eq, superando di gran lunga modelli più piccoli come Qwen 7B, che ha consumato solo 27,7 g di CO2eq ma ha ottenuto un’accuratezza del 32,9%.

Il modello Cogito 70B ha mostrato un maggiore equilibrio con una percentuale di accuratezza dell’84,9% ma emettendo solo il 34,3% in meno CO2eq. La soluzione, secondo i ricercatori, è che l’integrazione del ragionamento nei modelli di grandi dimensioni può migliorare sensibilmente l’accuratezza senza aumentare proporzionalmente l’impatto ambientale.

Risposte più brevi dell’AI inquinano di meno

Come nella vita, anche per l’intelligenza artificiale il segreto sta nell’essere concisi. Emblematico è l’esempio di Qwen 2.5 da 72 miliardi di parametri che ha ottenuto un’accuratezza del 77,6% emettendo solo 426,8 g di CO2eq.

Il segreto sta nelle risposte generate in media con una sola parola nella fase a scelta multipla, contro una media di 145,1 token di risposta e 450,9 token di ragionamento per domanda del modello Cogito 70B con ragionamento.

Questi risultati dimostrano che, sebbene le capacità di ragionamento siano utili per migliorare l’accuratezza, comportano un notevole aumento delle emissioni per via della maggiore lunghezza delle risposte.

Ottimizzare l’efficienza del ragionamento e la brevità delle risposte, in particolare per materie complesse come l’Algebra astratta, sarà cruciale per sviluppare tecnologie di intelligenza artificiale più sostenibili e rispettose dell’ambiente.

iStock