L'intelligenza artificiale si trova a un bivio: da un lato continua a stupire con prestazioni sempre più avanzate, dall'altro affronta una crisi energetica che ne mette in discussione la sostenibilità. Mentre i nostri cervelli umani operano con un consumo di appena 20 watt, i giganteschi data center che ospitano sistemi come ChatGPT divorano energia nell'ordine dei gigawatt. Questa sproporzione ha spinto un team di ricercatori della Texas A&M University a ripensare completamente l'architettura dell'intelligenza artificiale, ispirandosi proprio all'efficienza straordinaria del cervello umano.
Un cervello digitale che impara come quello biologico
Il team guidato dal Dr. Suin Yi, professore assistente di ingegneria elettrica e informatica, ha sviluppato un approccio rivoluzionario chiamato "Super-Turing AI". Il nome rende omaggio ad Alan Turing, padre teorico dell'informatica moderna, ma va oltre i suoi principi. Questa nuova architettura abbandona la tradizionale separazione tra memoria e apprendimento tipica dei computer attuali, integrando invece questi processi in modo simile al funzionamento delle sinapsi cerebrali.
"I data center consumano energia nell'ordine dei gigawatt, mentre il nostro cervello funziona con appena 20 watt", spiega Yi. "Parliamo di un miliardo di watt contro soli 20. Con i metodi di calcolo attuali, questi consumi non sono sostenibili". La questione non è solo economica, ma profondamente ambientale, considerando l'impronta di carbonio associata a infrastrutture così energivore.
La biomimetica al servizio dell'efficienza computazionale
Ciò che distingue l'approccio del team texano è l'abbandono della retropropagazione (backpropagation), il metodo standard utilizzato per addestrare le reti neurali artificiali. Pur efficace, questo sistema richiede enormi risorse di calcolo e, ironicamente, non rispecchia il modo in cui apprendono i veri cervelli biologici.
Al contrario, i ricercatori hanno implementato meccanismi come l'apprendimento Hebbiano e la plasticità sinaptica dipendente dal tempo (spike-timing-dependent plasticity), processi che simulano più fedelmente il funzionamento neuronale. Il principio dell'apprendimento Hebbiano può essere sintetizzato nella formula "i neuroni che si attivano insieme, si collegano insieme", riflettendo come i neuroni reali rafforzino le loro connessioni in base ai pattern di attività.
In una prova sul campo, un circuito basato su questi componenti ha permesso a un drone di navigare in un ambiente complesso senza addestramento preliminare, imparando e adattandosi in tempo reale. Questa soluzione si è dimostrata non solo più veloce, ma anche significativamente più efficiente dal punto di vista energetico rispetto ai sistemi tradizionali.
La sfida italiana dell'efficienza energetica nell'IA
Anche in Italia, dove il costo dell'energia è tra i più alti d'Europa, la questione dell'efficienza energetica dell'IA assume particolare rilevanza. Le aziende italiane che vogliono implementare soluzioni di intelligenza artificiale avanzate devono fare i conti con costi operativi elevati, che potrebbero essere drasticamente ridotti con l'adozione di architetture più efficienti come la Super-Turing AI.
L'approccio biomimetico potrebbe rappresentare una straordinaria opportunità per il nostro paese, tradizionalmente forte nell'ingegneria di precisione e nel design innovativo, per posizionarsi all'avanguardia nella nuova frontiera dell'IA sostenibile. La riduzione del consumo energetico permetterebbe inoltre di democratizzare l'accesso all'IA, rendendola disponibile anche a piccole e medie imprese con risorse limitate.
Una rivoluzione per l'industria tecnologica
Le implicazioni di questa ricerca, pubblicata su Science Advances, vanno ben oltre il laboratorio. Le aziende tecnologiche stanno investendo miliardi per costruire modelli di IA sempre più grandi e potenti, ma la loro capacità di scalare è limitata proprio dai vincoli hardware ed energetici. In alcuni casi, le nuove applicazioni di IA richiedono la costruzione di interi nuovi data center, aumentando ulteriormente i costi economici e ambientali.
Yi sottolinea che l'innovazione hardware è cruciale quanto gli avanzamenti nei sistemi di IA stessi. "Molti pensano che l'IA sia solo una questione di software, ma senza l'hardware di calcolo, l'IA non può esistere", afferma il ricercatore. Il suo team sta lavorando per rendere l'intelligenza artificiale non solo più intelligente, ma soprattutto più sostenibile.
"L'IA moderna come ChatGPT è straordinaria, ma è troppo costosa. Noi vogliamo creare un'IA sostenibile", conclude Yi. "La Super-Turing AI potrebbe ridefinire il modo in cui l'IA viene costruita e utilizzata, garantendo che mentre continua a progredire, lo faccia in un modo che avvantaggi sia le persone che il pianeta." Una visione che coniuga l'avanguardia tecnologica con la responsabilità ambientale, sempre più necessaria nel panorama tecnologico contemporaneo.