Mentre il dibattito pubblico e legislativo continua a concentrarsi quasi esclusivamente sui rischi cognitivi, etici e normativi dell’intelligenza artificiale generativa, una frattura materiale ben più urgente si sta consumando sotto la superficie dell’infrastruttura tecnologica globale. L’addestramento e, soprattutto, l’inferenza su larga scala dei modelli linguistici non vivono nell’etere: poggiano su una fitta ragnatela di silicio, rame, data center ad alta densità e, soprattutto, milioni di megawattora prelevati da reti elettriche già sollecitate dalla transizione verde.
L’illusione dell’immateriale e il ritorno del carbone
L’idea del digitale come spazio de-materializzato si è infranta contro i bilanci di sostenibilità dei colossi di Menlo Park e Redmond. Secondo le stime più recenti, una singola richiesta elaborata da un modello come GPT-4 consuma fino a dieci volte l’elettricità richiesta da una ricerca tradizionale su Google. Moltiplicato per centinaia di milioni di utenti giornalieri, il fabbisogno cumulativo dei data center dedicati al calcolo computazionale avanzato minaccia di raddoppiare entro il 2026, arrivando a eguagliare i consumi di intere nazioni industrializzate come la Germania o il Giappone.
L’innovazione computazionale non può essere scissa dai suoi costi termodinamici: stiamo scambiando la rarefazione delle risorse idriche ed elettriche con l’automazione del linguaggio.
Questa corsa all’iper-scala sta innescando conseguenze geopolitiche e ambientali impreviste. Per garantire la continuità operativa ‘always-on’ richiesta dall’industria dell’AI, diversi operatori stanno rinegoziando contratti con centrali a gas e persino riattivando impianti nucleari dismessi, rallentando di fatto i piani di decarbonizzazione faticosamente concordati a livello internazionale. Non è soltanto una questione di kilowattora: i sistemi di raffreddamento a evaporazione drenano miliardi di litri di acqua potabile da bacini idrici locali, entrando in rotta di collisione con le comunità agricole e i centri urbani soggetti a siccità ricorrenti.
Verso una regolamentazione ecologica del silicio
Se il quadro regolatorio continentale ha posto l’Europa all’avanguardia con l’approvazione dell’AI Act, sul fronte ecologico permane un pericoloso vuoto di indirizzo. La trasparenza richiesta agli sviluppatori riguarda la provenienza dei dataset di addestramento e la mitigazione dei bias discriminatori, ma raramente impone vincoli stringenti sull’efficienza termodinamica per token generato.
Senza una tassonomia ecologica vincolante per l’architettura dei data center e senza standard di efficienza energetica imposti per legge allo sviluppo degli algoritmi, l’intelligenza artificiale rischia di trasformarsi nel più formidabile acceleratore della crisi climatica, dissimulato dietro l’apparente pulizia di un’interfaccia di chat.