Molto si è detto e scritto sull’ascesa dell’intelligenza artificiale (IA), sul suo essere una tecnologica non solo rivoluzionaria ma anche estremamente energivora. L’addestramento dei Large Linguistic Models (LLM, modelli linguistici di grandi dimensioni) comporta consumi energetici impressionanti. Per addestrare GPT-3 servivano circa 1.270 Megawattora di elettricità, pari al fabbisogno energetico annuo di 120 case statunitensi tipiche. I grandi data center in cui si gestiscono le ricerche basate sull’IA assorbono quantità di energia sempre maggiori. Si stima che entro il 2030 il 21 percento della domanda di elettricità degli Stati Uniti proverrà dai data center. Una query LLM è 10 volte più assetata di energia di una ricerca su Google: per reindirizzare ogni singola ricerca fatta su Google con un motore di IA servirebbe una quantità di energia aggiuntiva pari al consumo energetico dell’intera Irlanda. È tutto vero, e se ne discute animatamente. Ma guardiamo anche il rovescio della medaglia, spesso trascurato: l’IA potrebbe risolvere alcuni tra i problemi più difficili della generazione energetica.

 

 

Ricerche rivoluzionarie per i nostri sistemi energetici

Dall’ottimizzazione delle reazioni di fissione nucleare al supporto alla stabilizzazione del plasma nella fusione nucleare, l’IA viene già impiegata in ricerche all’avanguardia che potrebbero rivoluzionare i nostri sistemi energetici. La fusione nucleare, cioè il processo che fonde i nuclei degli atomi liberando energia, è ormai da tempo il Santo Graal della generazione energetica, grazie al suo potenziale di produzione illimitata di energia pulita. È una sfida scientifica di lunga data e le scoperte più recenti sembrano rendere la generazione di energia da fusione nucleare una prospettiva sempre più realistica, grazie anche all’IA, che ha un ruolo fondamentale nell’accelerare questo processo. 

 

Per realizzare un reattore a fusione nucleare economicamente conveniente bisogna capire come poter controllare il plasma (l’esotico quarto stato della materia) a temperature superiori ai 100 milioni di gradi, superiori cioè a quelle del nucleo del sole. La gestione di condizioni così estreme è una delle sfide maggiori nonché uno dei principali motivi della lentezza nello sviluppo di possibili applicazioni commerciali: i calcoli matematici necessari per la modellazione del comportamento del plasma sono terribilmente complessi. L’ideale è affidarli all’IA. Oltre che per le sue capacità di calcolo elevatissime, l’IA è ora utilizzata anche per creare modelli predittivi per la stabilizzazione del plasma in tempo reale. I ricercatori del Princeton Plasma Physics Laboratory utilizzano il Machine Learning (ML) per prevedere le instabilità del plasma e adeguare i comandi nell’arco di pochi millisecondi, in modo da rendere le reazioni di fusione molto più stabili e sostenibili. Come Steven Cowley, direttore del laboratorio di Princeton, ha di recente dichiarato al Washington Post, “l’IA è destinata a rivoluzionare la fusione, riducendo i tempi di sviluppo da lunghi decenni a pochi anni, velocizzando l’iterazione dei progetti e consentendo il controllo del plasma in tempo reale”.

 

 

I laboratori rivali si affannano per battere Princeton sul tempo, in una sorta di gara tra scienziati che spesso, in passato, ha lasciato presagire grandi passi in avanti. Altri ricercatori nel campo dell’IA si adoperano inoltre per accelerare la progettazione di reattori a fusione nucleare di nuova generazione, più sicuri ed efficienti. I modelli computazionali tradizionali richiedono mesi per analizzare i progetti di reattori, mentre ora i modelli basati sull’IA, decisamente rapidi, sono in grado di valutarli nell’arco di qualche ora, consentendo ai ricercatori di esplorare centinaia di miliardi di possibili configurazioni di reattori in breve tempo. Una tale celerità consente maggior efficienza nell’iterazione e nei prossimi decenni renderà sempre più realistica la prospettiva della generazione da fusione.

La fusione è l’ambito più interessante della ricerca nucleare basata sull’IA, ma certamente non è l’unico

La rivoluzione dell’IA potrebbe rivelarsi altrettanto trasformativa anche per l’energia nucleare tradizionale, quella da fissione. E infatti i ricercatori lavorano allo sviluppo di reattori a fissione di nuova generazione che siano più sicuri ed efficienti, e lo fanno con l’IA. E forse non tutti sanno che le tecnologie basate sull’IA possono servire anche a migliorare i reattori a fissione già esistenti. I sistemi di manutenzione predittiva basati sull’IA sono in grado di analizzare quantità enormi di dati provenienti da sensori per prevedere quando sarà opportuno procedere a riparare o sostituire i componenti critici del reattore. L’IA rileva i problemi in modo precoce, riducendo al minimo i tempi di fermo o inattività e il rischio di guasti catastrofici. E ancora, le applicazioni di IA migliorano l’efficienza dei reattori nucleari regolandone le impostazioni in modo da ottimizzare l’uso del combustibile e la produzione di energia, con conseguente possibilità di prolungare la vita utile dei reattori in essere e ridurne il consumo di combustibile, rendendo la fissione nucleare una fonte di energia a basse emissioni di carbonio e dunque ancor più praticabile.

 

 

Passi da gigante anche nelle soluzioni sostenibili e di transizione

Le possibilità offerte dall’energia nucleare sono entusiasmanti, ma l’IA ha un ruolo cruciale anche nel campo delle energie rinnovabili ormai consolidate come quella solare e l’eolica: per ottimizzare il posizionamento e il funzionamento dei pannelli solari e delle turbine eoliche sulla base dei dati meteorologici e climatici si utilizzano infatti i modelli di IA. Quanto all’energia idroelettrica l’IA consente una migliore gestione dei flussi idrici, prevedendone le fluttuazioni per una produzione di energia più costante. Nell’energia geotermica, l’IA analizza i dati geologici per individuare nuove fonti di calore sotterranee, accelerando l’esplorazione e aumentando l’efficienza degli impianti geotermici. E l’IA fa passi da gigante anche nel campo della cattura e dello stoccaggio del carbonio (CCS, Carbon Capture and Storage). Gli algoritmi di Machine Learning sono eccellenti nell’analisi di dati geologici complessi finalizzata a individuare i siti migliori per il sequestro del carbonio, con conseguente miglioramento sia dell’efficienza sia della sicurezza delle tecnologie di cattura, che sono fondamentali per la mitigazione delle emissioni di carbonio.

 

 

 

 

In breve, sono molti i modi in cui la ricerca basata sull’IA può trasformare la produzione di energia. E diciamolo chiaramente: la fusione è una potenziale killer app dell’IA, un’applicazione vincente, un dominio con un potenziale di crescita straordinario in cui la capacità dell’IA di gestire complessità estreme risulta indispensabile. L’IA consente la gestione del plasma in tempo reale, la rapida iterazione dei progetti e una precisione senza precedenti nel controllo dei reattori. Se l’IA riuscisse a rendere la fusione commercialmente sostenibile, le voci che si levano contro ChatGPT per le enormi quantità di energie che divora non diverrebbero che un brusio di fondo. Naturalmente, è troppo presto per dire se, in ultima analisi, i problemi della domanda energetica aggiuntiva determinata dall’IA supereranno i vantaggi che la stessa IA contribuisce a generare in termini di efficienza e generazione energetica. Ma non è certo troppo presto per osservare che un dibattito pubblico su energia e IA che si concentra quasi esclusivamente sulla domanda energetica dell’IA e ne trascura la capacità di rivoluzionare la generazione di energia è davvero gravemente sbilanciato. È tempo di riequilibrare il dibattito, perché l’IA richiede molta energia, ma potrebbe generarne molta, davvero molta di più.