Esplorazione della scalabilità sostenibile del dilemma dell'IA: Uno studio proiettivo sugli impatti ambientali dell'IA delle aziende

Exploring the sustainable scaling of AI dilemma: A projective study of corporations' AI environmental impacts

January 24, 2025

Autori: Clément Desroches, Martin Chauvin, Louis Ladan, Caroline Vateau, Simon Gosset, Philippe Cordier

cs.AI

Abstract

La rapida crescita dell'intelligenza artificiale (AI), in particolare dei Grandi Modelli Linguistici (LLM), ha sollevato preoccupazioni riguardo al suo impatto ambientale globale che va oltre le emissioni di gas serra per includere la considerazione della fabbricazione dell'hardware e dei processi di fine vita. L'opacità da parte dei principali fornitori ostacola la capacità delle aziende di valutare gli impatti ambientali legati all'AI e di raggiungere gli obiettivi di emissioni nette zero. In questo articolo, proponiamo una metodologia per stimare l'impatto ambientale del portafoglio AI di un'azienda, fornendo approfondimenti utili senza richiedere una vasta esperienza in AI e Valutazione del Ciclo di Vita (LCA). I risultati confermano che i grandi modelli AI generativi consumano fino a 4600 volte più energia rispetto ai modelli tradizionali. Il nostro approccio di modellazione, che tiene conto dell'aumento dell'uso dell'AI, dell'efficienza del calcolo dell'hardware e dei cambiamenti nella composizione dell'elettricità in linea con gli scenari dell'IPCC, prevede l'uso di elettricità dell'AI fino al 2030. In uno scenario di elevata adozione, guidato dalla diffusa adozione dell'AI Generativa e degli agenti associati a modelli e framework sempre più complessi, si prevede che l'uso di elettricità dell'AI aumenterà di un fattore di 24,4. Ridurre l'impatto ambientale dell'AI Generativa entro il 2030 richiede sforzi coordinati lungo la catena del valore dell'AI. Misure isolate sull'efficienza dell'hardware, sull'efficienza del modello o sul miglioramento della rete elettrica da sole non sono sufficienti. Sosteniamo l'adozione di quadri standardizzati di valutazione ambientale, una maggiore trasparenza da parte di tutti gli attori della catena del valore e l'introduzione di una metrica "Ritorno sull'Ambiente" per allineare lo sviluppo dell'AI agli obiettivi di emissioni nette zero.

English

The rapid growth of artificial intelligence (AI), particularly Large Language Models (LLMs), has raised concerns regarding its global environmental impact that extends beyond greenhouse gas emissions to include consideration of hardware fabrication and end-of-life processes. The opacity from major providers hinders companies' abilities to evaluate their AI-related environmental impacts and achieve net-zero targets. In this paper, we propose a methodology to estimate the environmental impact of a company's AI portfolio, providing actionable insights without necessitating extensive AI and Life-Cycle Assessment (LCA) expertise. Results confirm that large generative AI models consume up to 4600x more energy than traditional models. Our modelling approach, which accounts for increased AI usage, hardware computing efficiency, and changes in electricity mix in line with IPCC scenarios, forecasts AI electricity use up to 2030. Under a high adoption scenario, driven by widespread Generative AI and agents adoption associated to increasingly complex models and frameworks, AI electricity use is projected to rise by a factor of 24.4. Mitigating the environmental impact of Generative AI by 2030 requires coordinated efforts across the AI value chain. Isolated measures in hardware efficiency, model efficiency, or grid improvements alone are insufficient. We advocate for standardized environmental assessment frameworks, greater transparency from the all actors of the value chain and the introduction of a "Return on Environment" metric to align AI development with net-zero goals.