L’Intelligenza artificiale sta rivoluzionando, e sempre più rivoluzionerà, il nostro ecosistema imprenditoriale e sociale generando implicazioni enormi sul piano dell’innovazione e dello sviluppo delle economie mondiali.

L’Intelligenza artificiale è oggi largamente riconosciuta come una delle tecnologie che sta rivoluzionando, e sempre più rivoluzionerà, il nostro ecosistema imprenditoriale e sociale generando implicazioni enormi sul piano dell’innovazione e dello sviluppo delle economie mondiali.

Infatti, modifica drasticamente i modelli socio-economici attuali, abilitando soluzioni che stanno rivoluzionando profondamente i nostri modelli di business; tuttavia, da questo deriva anche l’esigenza di valutare il miglior “bilanciamento” possibile tra l’incremento dei consumi energetici e gli output positivi in termini di decarbonizzazione, ambedue connessi all’uso sempre più ampio dell’Intelligenza Artificiale in ogni settore.

L’impatto sui consumi energetici dell’Intelligenza Artificiale

L’Intelligenza Artificiale è diventata una delle forze trainanti in interi settori come ad esempio la sanità, il trasporto, l’industria, la logistica, la finanza e molto altro ancora. Tuttavia, secondo la International Energy Agency i data center incidono attualmente dall’1 all’1,5% sul consumo globale di elettricità. E purtroppo, questo dato è destinato a crescere vertiginosamente fino al 2030, in parallelo con l’impiego sempre più ampio e diffuso di strumenti basati sull’intelligenza artificiale.

Il ricercatore Alex de Vries della Vrije Universiteit di Amsterdam, nel suo studio del 2023 intitolato “The growing energy footprint of artificial intelligence”, ha calcolato che se ogni ricerca effettuata su Google per un anno usasse l’Artificial Intelligence (AI), si consumerebbe all’incirca l’equivalente della quantità di elettricità utilizzata per alimentare un piccolo Paese come l’Irlanda (pari a 29,3 TWh all’anno). È anche emerso, ad esempio, che OpenAI per il suo ChatGPT ha necessità di energia pari a 564 MWh al giorno, un consumo che è già di molto superiore ai consumi registrati in fase di addestramento (1,287 TWh) ma che è ulteriormente in crescita.

Da tutto ciò ne deriva, secondo gli esperti, che il consumo energetico necessario per eseguire algoritmi e processi di machine learning, potrebbe contribuire in modo considerevole al cambiamento climatico e alle emissioni di gas serra a causa della grande quantità di energia elettrica richiesta. Infatti, ogni singola interazione online che prevede l’uso di sistemi AI si basa su un’impalcatura di informazioni archiviate in server remoti, i quali si trovano nei data center di tutto il mondo ed utilizzano una grande quantità di energia per funzionare.

È quindi necessario agire in due modi: da un lato, ridurre i consumi energetici dei server e dei sistemi cloud che supportano l’impiego di soluzioni AI, in particolare con sistemi di “Intelligenza Artificiale ibrida” che integra sistemi di apprendimento automatico (Machine Learning) e apprendimento profondo (Deep Learning) con l’intervento umano; dall’altro lato, bilanciando le maggiori emissioni attraverso l’impiego dei sistemi AI per applicazioni e servizi che favoriscono la riduzione delle emissioni e dei consumi energetici in altri settori economici.

Intelligenza Artificiale ed LCA come strumenti per la riduzione di consumi ed emissioni

Le opportunità di impiego dell’Intelligenza Artificiale per ridurre consumi ed emissioni climalteranti sono numerose e sempre in aumento. Tra queste, l’integrazione dell’Intelligenza Artificiale con le metodologie del Lifecycle Assessment (LCA), rappresenta una sinergia promettente per attuare una riduzione dei consumi energetici e delle emissioni climalteranti in tutti i settori produttivi.

L’IA nella prospettiva del LCA

La LCA è una metodologia standardizzata per valutare i potenziali impatti ambientali che sono associati ad un prodotto, ad un processo oppure ad un sistema lungo tutto il suo ciclo di vita: dall’estrazione delle materie prime fino al fine vita. Le principali norme che regolamentano questa procedura sono contenute nelle norme ISO della serie 14040 in base alle quali uno studio di valutazione del ciclo di vita prevede: la definizione dell’obiettivo e del campo di applicazione dell’analisi (ISO 14041), la compilazione di un inventario degli input e degli output di un determinato sistema (ISO 14041), la valutazione del potenziale impatto ambientale correlato a tali input ed output (ISO 14042) e l’interpretazione dei risultati (ISO 14043).

Ciò che ne consegue è il possibile impiego dei sistemi di intelligenza artificiale per l’analisi in tempo reale degli aspetti relativi alle quattro fasi della metodologia LCA. In altri termini, è già oggi possibile sfruttare l’AI per generare analisi e previsioni dell’impatto di ogni prodotto o servizio lungo l’intero suo ciclo di vita prima ancora della sua realizzazione; parallelamente, è possibile usare l’AI per governare, in tempo reale, il ciclo di vita di ogni prodotto o servizio per ottimizzarne la performance e ridurne l’impatto ambientale.

Tre aree di impiego dell’AI per la decarbonizzazione

Se è così potente l’ambito di azione dell’Intelligenza Artificiale, allora quali possono essere i principali perimetri di intervento rispetto al mondo industriale per la decarbonizzazione? Volendo dare una risposta potremmo, in linea generale, definire tre filoni principali di applicazione: innanzitutto, il contesto dell’ottimizzazione dei processi, quello delle simulazioni predittive e quello del monitoraggio in real-time.

Ottimizzazione dei processi L’AI può analizzare grandi volumi di dati provenienti da valutazioni LCA per identificare le aree di miglioramento nei processi produttivi. Ad esempio, algoritmi di machine learning possono prevedere il consumo energetico associato a diverse scelte progettuali, permettendo ai progettisti di selezionare materiali e metodi costruttivi più sostenibili.

Simulazioni predittive Utilizzando modelli predittivi, l’AI può simulare i consumi energetici e di materiale di un prodotto durante il suo intero ciclo di vita e quindi calcolarne l’impatto ambientale complessivo. Questo approccio consente di testare diverse configurazioni e strategie di gestione energetica prima ancora della realizzazione fisica, riducendo gli sprechi e ottimizzando le risorse.

Monitoraggio in tempo reale Sistemi avanzati di monitoraggio energetico, supportati dall’AI, possono fornire dati in real-time sul consumo energetico e sull’efficienza di gestione. Questi sistemi possono anche suggerire modifiche operative per ridurre il consumo energetico basandosi su analisi storiche e attuali.

L’Intelligenza Artificiale sta dunque trasformando la manutenzione e la gestione del fine vita dei prodotti, migliorando l’efficienza operativa e promuovendo la sostenibilità. Nella manutenzione predittiva, l’AI analizza dati in tempo reale per prevenire guasti, ottimizzare interventi e automatizzare processi; tutto ciò consente di ridurre i consumi energetici, i costi e le inattività. Nel fine vita, l’AI è in grado di identificare materiali recuperabili, automatizzare lo smistamento e prolungare la durata dei prodotti, favorendo così l’abbattimento dei consumi energetici e promuovendo nel contempo l’economia circolare.

Esempi di applicazione della IA per la decarbonizzazione

Gli approcci appena citati sono già applicati in molti settori come, ad esempio, nell’ambito dell’edilizia dove l’uso dell’intelligenza artificiale sta diventando sempre più importante, sia nella progettazione architettonica che nella progettazione e gestione degli impianti.

È interessante in quest’ambito il progetto europeo vincitore di SoBigData for Industry: Challenge Us 2023, sviluppato dalla Scuola Normale Superiore di Pisa e dal Consiglio Nazionale delle Ricerche (CNR) in collaborazione con lo studio ATI Project che ne ha realizzato il proof-of-concept (Poc). Questo progetto ha visto l’impiego del machine learning per analizzare i dati progettuali e fornire valutazioni predittive dell’impatto ambientale degli edifici; ciò consente di fare valutazioni già nelle prime fasi di progettazione che diventeranno cruciali per minimizzare la carbon footprint ed ottimizzare l’utilizzo delle risorse. Il progetto implica l’applicazione automatizzata dell’analisi del Life Cycle Assessment per mezzo dell’AI, consentendo di valutare l’impatto ambientale di un edificio in tutte le fasi del suo ciclo di vita.

L’intelligenza artificiale per la gestione di reti e sistemi

Le soluzioni AI-based sono sempre più diffuse anche nella gestione delle reti di approvvigionamento energetico. Ad esempio, l’adozione di tecnologie di automazione ed intelligenza artificiale consentono di ottimizzare l’uso delle risorse e ridurre gli sprechi. Parallelamente, l’implementazione di piattaforme digitali potenziate dall’AI per la gestione della Supply Chain, consente alle imprese di migliorare la trasparenza e la tracciabilità lungo tutta la catena di fornitura, garantendo che i materiali utilizzati siano il più possibile sostenibili e che i fornitori rispettino gli standard ambientali e sociali. Questo non solo riduce le emissioni nel complesso dell’intera rete, ma offre anche vantaggi per la reputazione delle aziende migliorando la loro trasparenza verso i consumatori.

L’intelligenza artificiale come strumento dei grandi player per la decarbonizzazione

Un grande vantaggio delle soluzioni basate sull’intelligenza artificiale in favore della decarbonizzazione è dato dalla loro grande scalabilità, che ne consente una larga diffusione in aziende di ogni dimensione. In questo contesto, sono molto interessanti alcune soluzioni AI adottate da Eni che, da sempre, investe nella digitalizzazione dei propri processi.

Alcune delle applicazioni dell’intelligenza artificiale, riguardano l’automazione ed il monitoraggio: ad esempio, l’utilizzo di droni per l’ispezione delle infrastrutture e il monitoraggio delle emissioni, insieme a sensori IoT per rilevare emissioni fuggitive e valutare l’integrità degli asset, rappresenta un significativo avanzamento tecnologico. Queste soluzioni non solo aumentano l’efficienza operativa, ma contribuiscono anche alla sicurezza sul lavoro e alla sostenibilità ambientale.

Eni ha compiuto un passo decisivo nel supercalcolo e nella Data Analysis con l’avvio di HPC6: un supercomputer di ultima generazione progettato per affrontare analisi complesse. Basato su un’architettura avanzata con oltre 3400 nodi di calcolo e quasi 14mila GPU, HPC6 è in grado di eseguire oltre 600 milioni di miliardi di operazioni al secondo, posizionandosi come quinto supercomputer al mondo e primo in Europa, per potenza di calcolo.

Oltre alla fluidodinamica computazionale e alle scienze climatiche, HPC6 trova applicazione nello sviluppo di materiali innovativi e nello studio della stabilità del plasma per la fusione, supportando l’innovazione lungo tutta la catena del valore di Eni. Il sistema è un modello di efficienza energetica: con un assorbimento massimo di 10.17 MW e un raffreddamento a liquido diretto, è tra i primi 5 nella classifica mondiale Green500 che raccoglie i supercomputers più energeticamente efficienti al mondo. HPC6 rappresenta il tassello fondamentale nella strategia di decarbonizzazione Eni, combinando tecnologia all’avanguardia e sostenibilità ambientale.

Questi strumenti, come altri già adottati dalle aziende più innovative, sono fondamentali per elaborare nuove e più efficienti tecnologie energetiche oltre che per supportare la loro decarbonizzazione. Infatti, l’obiettivo comune dei grandi player come Eni è proprio quello di raggiungere il NetZero entro il 2050 anche attraverso l’uso di tecnologie AI coniugate con il Lifecycle Assessment.