Grazie a Flowing Data scopriamo “Cartography of generative AI“ (Cartografia dell’IA generativa). Il sito offre una mappatura critica delle connessioni tra l’intelligenza artificiale generativa e le attività umane, gli ecosistemi e le risorse coinvolte, mettendo in luce l’impatto e le controversie che circondano queste tecnologie. E’ stato realizzato da Estampa, un collettivo di programmatori e ricercatori.
La loro pratica si basa su un approccio critico e archeologico alle tecnologie audiovisive e si concentra sulla ricerca degli strumenti e delle ideologie dell’intelligenza artificiale.
Il lavoro è stato supportato da sovvenzioni per la ricerca e l’innovazione nelle arti visive della Generalitat de Catalunya.
Qui la spiegazione dalla mappa. Non è chiarissima. Va presa come una intepretazione tecnico-artistica delle applicazioni degli LLM e delle loro conseguenze sociali e politiche.
Dataset e controversie: La creazione industriale dei dataset avviene tramite l’estrazione automatizzata (“scraping”) di contenuti dal web, originariamente per scopi di ricerca non commerciale. Oggi, questa pratica è vista da alcuni come una privatizzazione massiva della creatività di milioni di utenti Internet, alimentando paradossi e controversie nelle industrie culturali.
Modelli di imitazione statistica e industria culturale : L’industria culturale (fotografi, designer, musicisti, scrittori) è sia la fonte dei dati di addestramento che la potenziale utente dell’IA. La velocità con cui l’Ai opera minaccia i lavori più precari in questo settore, rendendoli i più svantaggiati e al contempo i più dipendenti dall’IA generativa.
Lavoro umano nascosto: Per rendere i modelli di IA più precisi e sicuri, si ricorre al micro-lavoro (“fine-tuning” e “filtering”). Grandi aziende esternalizzano questo lavoro a micro-lavoratori sottopagati spesso in paesi del Sud globale o in campi profughi. Queste persone si occupano di affinare le risposte dei modelli, etichettare i dati e moderare contenuti tossici (odio, violenza esplicita), rimanendo invisibili dietro l’apparente autonomia dell’Ai.
Start-up e opinione pubblica: L’industria dell’IA generativa (es. OpenAI) è alimentata dalla speculazione tecnologica e dall’alleanza con le piattaforme di Big Data. Il discorso sul “panico” legato all’IA e alla minaccia esistenziale è promosso per sostenere le richieste dell’industria di autoregolamentazione, mentre la diffusione di contenuti sintetici sui social media pone interrogativi sulla disinformazione e la polarizzazione politica.
Infrastruttura e impatto ambientale: L’Estrattivismo Digitale
L’Ai generativa si basa su una massiccia infrastruttura che ha un profondo impatto ambientale ed estrattivo:
Infrastruttura di calcolo: Le start-up dipendono dai giganti tecnologici (Microsoft, Google, Amazon) e dai loro Data Center per l’elaborazione dei dati. Il cuore di questa infrastruttura sono le unità di elaborazione grafica (GPU), un settore dominato da pochissime aziende (come Nvidia) e la cui produzione di chip è concentrata in mani ancora più ristrette (es. TSMC e ASML).
Materie prime e colonialismo: La produzione di chip e dispositivi elettronici richiede grandi quantità di metalli e minerali. La catena di approvvigionamento di queste materie prime (rame, oro, litio, cobalto) dipende in gran parte dall’industria mineraria concentrata nei paesi del Sud globale (Cile, Perù, Congo, Brasile). Si rileva un modello di estrattivismo coloniale dove gli interessi delle aziende straniere prevalgono sui diritti delle comunità locali e si associano a problemi di inquinamento, deforestazione e violazioni dei diritti umani (come il lavoro minorile in Congo).
Energia, Calore e Acqua: L’AI ha aumentato esponenzialmente il fabbisogno energetico dei Data Center, che in gran parte è ancora coperto da combustibili fossili, contribuendo alle emissioni globali di carbonio. Inoltre, l’elaborazione digitale genera calore che richiede un massiccio uso di aria condizionata e sistemi di raffreddamento a liquido, portando a un aumento significativo del consumo di acqua da parte dei Data Center.
Rifiuti: La costante sostituzione di componenti (server, batterie, ecc.) nei Data Center alimenta il problema dei rifiuti elettronici (e-waste), che vengono spesso spediti in paesi del Sud globale per lo smaltimento, creando un ciclo di tossicità e diseguaglianza.