L’IA non è immateriale: sostenibilità e impatto ambientale al centro del quarto Workshop di AI4Teach@PoliTO
Quanto costa davvero all’ambiente una risposta generata dall’IA, e quando il suo valore didattico ne giustifica il costo? Lo scorso 16 settembre si è svolto al Politecnico il quarto Workshop del ciclo AI4Teach@PoliTO, dal titolo “Sostenibilità e impatto ambientale dell’IA e le loro implicazioni sulla didattica”. Promosso dal gruppo AI4Teach dell’Area Tecnologie del TLlab, l’incontro ha proseguito il percorso di formazione e confronto sull’uso dell’Intelligenza Artificiale generativa nella didattica universitaria, dopo gli appuntamenti dedicati alle applicazioni pratiche e alle implicazioni etiche di queste tecnologie.
Quando utilizziamo un sistema di IA, l’interazione può apparire immediata e quasi immateriale: si inserisce una richiesta e si riceve una risposta. Dietro questa apparente semplicità si trovano però infrastrutture fisiche, centri di calcolo, dispositivi, consumi energetici e idrici, emissioni e materiali. Il workshop ha invitato la comunità docente a rendere visibile questa dimensione e ad interrogarsi sul rapporto tra i benefici offerti dall’IA e le risorse necessarie per produrli.
L’incontro ha riunito Maria Luce Lupetti e Michela Meo del Politecnico di Torino, insieme a Roberto Verdecchia dell’Università degli Studi di Firenze, Roy Bendor della TU Delft e Anton Koch della Mainz University of Applied Sciences. I contributi hanno affrontato il tema da prospettive complementari, illustrando i consumi associati sia all’addestramento sia all’uso quotidiano dei modelli, con particolare attenzione alle richieste in termini di energia e acqua, e alla distribuzione geografica non uniforme degli impatti. È stato inoltre analizzato il ruolo crescente dei centri di calcolo sui consumi complessivi delle tecnologie digitali.
Il confronto ha messo in luce anche le difficoltà che ancora ostacolano una valutazione completa e trasparente dell’impatto ambientale dell’IA: le informazioni disponibili sono spesso parziali, dipendono dalle caratteristiche dei modelli e delle infrastrutture, e non sempre consentono confronti immediati. Misurare l’impronta ambientale non significa quindi individuare un unico valore, ma considerare l’intero ciclo di vita dei sistemi: dalla produzione delle apparecchiature all’addestramento, fino all’utilizzo e alla dismissione.
Accanto all’analisi degli impatti, l’incontro ha aperto lo spazio a possibili alternative. È stata discussa l’opportunità di non identificare necessariamente l’innovazione con modelli sempre più grandi e con una capacità di calcolo in continua crescita, ma di considerare anche sistemi di IA di scala più contenuta, progettati per bisogni specifici. È stato inoltre presentato il tema della sovranità epistemica, collegato alla possibilità per le università di comprendere, adattare e governare maggiormente le tecnologie impiegate, anche attraverso infrastrutture locali e condivise per la ricerca e la didattica.
Il tema della sostenibilità non conduce necessariamente a una contrapposizione tra l’uso e il non uso dell’IA. Invita, piuttosto, a superare l’idea che ogni applicazione tecnologicamente possibile sia automaticamente necessaria o vantaggiosa. La domanda non è soltanto se uno strumento funzioni, ma anche quale valore produca per l’apprendimento, quali risorse richieda e se esistano modalità più proporzionate per raggiungere lo stesso obiettivo didattico.
Dalla platea sono emersi il desiderio di approfondire i temi dei rifiuti elettronici e dell’IA sostenibile, la richiesta di informazioni oggettive e accessibili, e la percezione che le scelte della singola persona possano incidere solo in misura limitata. Alcuni interventi hanno inoltre espresso preoccupazione per il rischio che un uso poco consapevole dell’IA possa indebolire il pensiero critico. Pur non consentendo generalizzazioni, questi contributi mostrano come l’impatto ambientale dell’IA sia percepito non soltanto come una questione tecnica, ma anche come un problema culturale, politico, educativo e collettivo.
L’incontro lascia quindi aperte alcune domande centrali per la comunità universitaria. Quando il valore formativo prodotto dall’IA è proporzionato al suo costo ambientale? È sempre necessario utilizzare modelli generalisti di grandi dimensioni, oppure alcune attività potrebbero essere sostenute da strumenti più piccoli e mirati? Come rendere comprensibili a docenti e componente studentesca gli impatti materiali delle tecnologie utilizzate? E quale ruolo possono svolgere le università nello sviluppo di infrastrutture, pratiche e competenze maggiormente orientate alla sostenibilità?
Portare queste domande nella progettazione didattica significa considerare la sostenibilità non come un limite esterno all’innovazione, ma come uno dei criteri attraverso cui valutarne la qualità. Il quarto appuntamento del ciclo AI4Teach@PoliTO ha così contribuito ad ampliare la riflessione sull’IA nella didattica: non soltanto che cosa questi strumenti permettono di fare, ma anche a quali condizioni sia opportuno utilizzarli e quale modello di innovazione l’Università intenda promuovere.
