Passa al contenuto
IL LINUX DAY STA ARRIVANDO A FERMO! SCOPRI COSA È IN PROGRAMMA
Home └IA²: Intelligenza Artificiale & Impatto Ambientale └IA²:Intelligenza Artificiale & Impatto Ambientale

IA²: Intelligenza Artificiale & Impatto Ambientale

Ultimo aggiornamento: 26/08/2026

Completato

IA²:Intelligenza Artificiale & Impatto Ambientale

10 PE
Prec
Inizia il corso
Succ
Schermo intero Condividi
Valutazione
0 0

Ancora nessun commento.

Iscriviti al corso
per essere il primo a scrivere un commento.

1. Quale delle seguenti NON è un impatto diretto dell’Intelligenza Artificiale sull’ambiente?
Consumo energetico (es. 1300 MWh per addestrare GPT-3). Sottrazione idrica (es. 2,5–4 litri per una traduzione automatica). Uso di materie prime (es. terre rare per hardware). Squilibrio socioeconomico (differente impatto per differenti fasce sociali).).
2. Quanto consuma, in media, generare una singola immagine con un modello AI secondo la slide?
29 kWh (come una lavatrice per un ciclo medio di lavaggio) 2,907 kWh (equivalente alla carica di uno smartphone) 0,29 kWh (come una lampadina accesa per 1 ora) 290 kWh (come un frigorifero per un mese)
3. Cos’è il rebound tecnologico nel contesto dell’IA?
Un metodo per ridurre il consumo energetico dei data center. Un fenomeno che porta alla diminuzione dei consumi grazie all’efficienza. Quando i guadagni di efficienza non riducono il consumo complessivo di risorse, perché stimolano nuova domanda o usi (es. filtri foto in stile Studio Ghibli). Un tipo di inquinamento causato dai rifiuti elettronici (RAEE).
4. Quale delle seguenti NON è una soluzione tecnica proposta nella slide per ridurre l’impatto ambientale dell’IA?
Usare TinyML su hardware minimali (es. Raspberry Pico, ESP32). Ottimizzare i modelli per girare su hardware meno performante (es. DeepSeek AI). Adottare Linux per ridurre i consumi elettrici fino al 30%. Investire nel nucleare di terza generazione come soluzione principale.
5. Secondo la slide, quale di questi NON è un uso appropriato degli LLM (Large Language Models)?
Generare e tradurre testi (es. dal latino all’italiano) Supporto alla programmazione (es. validare codice o suggerire soluzioni documentate) Risolvere problemi logici o matematici (es. risoluzione di equazioni) Analisi del linguaggio naturale (es. sentiment analysis)