Tra machine learning e impatto energetico, il funzionamento dell’IA

L’intelligenza artificiale (IA) è una tecnologia che permette ai computer di svolgere compiti che, solitamente, richiederebbero capacità umane: riconoscere immagini, comprendere il linguaggio, tradurre testi o suggerire contenuti. Alla base dell’'IA non c’è un “pensiero” come quello degli esseri umani; l’IA analizza enormi quantità di dati e ne ricavi degli schemi che poi utilizza per fare previsioni o generare risposte.

L’intelligenza artificiale è quindi un insieme di tecniche che consente alle macchine di imparare dall’esperienza e portare a termine compiti specifici.
Un esempio ne è il sistema di raccomandazione di una piattaforma video o musicale: osserva ciò che un utente guarda e ascolta, confronta quei dati con quelli di milioni di altri utenti e prova a prevedere cosa potrebbe piacergli dopo.

Il funzionamento dell’IA si basa soprattutto su tre elementi: dati, algoritmi e potenza di calcolo. I dati sono il materiale su cui il sistema impara; gli algoritmi sono le istruzioni che gli permettono di individuare relazioni e schemi; la potenza di calcolo serve a elaborare tutto questo in tempi rapidi. Più i dati sono numerosi e di qualità, più il sistema può migliorare le sue prestazioni. Se invece i dati sono incompleti o con errori, anche i risultati dell’IA possono essere poco affidabili.

Alla base di questa tecnologia c’è il machine learning, cioè l’apprendimento automatico. Il sistema viene allenato con molti esempi, poi viene testato su nuovi casi per verificare se sa generalizzare, cioè applicare ciò che ha imparato anche in situazioni nuove. Ad esempio, se gli vengono mostrate migliaia di foto di gatti e cani, può imparare a distinguere i due animali riconoscendo caratteristiche delle ricorrenti, come la forma delle orecchie e la sagoma del corpo, anche osservando immagini che non aveva mai visto prima.

Negli ultimi anni si è parlato molto di IA generativa, cioè di sistemi capaci di creare nuovi contenuti come testi, immagini, audio e video. Questi modelli, soprattutto quelli linguistici, non scrivono come farebbe un autore umano, ma prevedono quale parola o elemento dovrebbe arrivare dopo in una sequenza, basandosi su ciò che hanno appreso durante l’addestramento. Nello scrivere, quindi, non seguono un ragionamento, ma calcolano parola dopo parola quale sia il termine successivo con una probabilità più alta di comparire, in base a tutti i dati su cui sono stati allenati. Le IA continuano a migliorare grazie anche agli utenti che le utilizzano: i loro dati di utilizzo e feedback possono essere usati per aggiornare o addestrare nuovamente i modelli.

L’IA si appoggia su server e data center che consumano elettricità, e i consumi aumentano quando i modelli sono più grandi o quando devono generare contenuti complessi come immagini e video. Su larga scala, con milioni o miliardi di interazioni, l’impatto energetico diventa importante. Oltre all’elettricità, l’intelligenza artificiale ha un impatto significativo sul consumo idrico, perché i data center usano acqua per raffreddare i server surriscaldati.

L’intelligenza artificiale, inoltre, non è infallibile: può sbagliare e anche riprodurre pregiudizi presenti nei dati di addestramento. È quindi una tecnologia molto utile, ma l’utilizzo che ne viene fatto deve essere consapevole.