In questo articolo, Te Li smaschera il
mito della dematerializzazione digitale diffuso dai sostenitori
dell’intelligenza artificiale (IA), i quali presentano questa tecnologia
come un fenomeno che è fuggito dal regno materiale e, di conseguenza,
dalla stessa entropia. In realtà, l'autore dimostra come i requisiti
materiali ed energetici dell’intelligenza artificiale la inseriscano a
pieno titolo nel regno fisico, collocando tale tecnologia nel contesto
della frattura metabolica nel capitalismo.
Nella primavera del 2023, Microsoft
ha annunciato un investimento multimiliardario in OpenAI, descrivendo la
partnership come un salto in avanti verso una civiltà più pulita, più
intelligente e più efficiente. Le immagini che accompagnano tali annunci
sono invariabilmente eteree: reti neurali luminose, flussi di dati
senza peso e algoritmi che danzano attraverso lo spazio digitale privo
di attrito. L’intelligenza artificiale (IA), nella narrativa dominante
della Silicon Valley e del suo ecosistema mediatico, si presenta come
l’apoteosi della dematerializzazione: una tecnologia così raffinata,
così puramente cognitiva, da essere finalmente fuggita dal mondo sporco
ed entropico delle macchine a vapore, delle miniere di carbone e delle
fabbriche.
Questo articolo sostiene che tali
rappresentazioni siano ideologiche nel senso marxista del concetto: esse
capovolgono la realtà, presentando come immateriale un processo che è
profondamente, e conseguentemente, materiale. Si stima che
l'addestramento di GPT-4 abbia consumato energia equivalente all'uso
annuo di energia elettrica di migliaia di famiglie.[1] Una singola query [richiesta]
ad un modello linguistico di grandi dimensioni richiede circa dieci
volte l'elettricità necessaria per una ricerca standard su Internet.[2]
Il consumo di acqua da parte di Microsoft è aumentato del 34% in un
solo anno, un'impennata che il proprio rapporto ambientale ha attribuito
direttamente all'espansione dell'infrastruttura di IA.[3]
Queste non sono inefficienze incidentali in attesa di un miglioramento
tecnico; sono necessità strutturali di una tecnologia il cui substrato
fisico – semiconduttori, data center, sistemi di raffreddamento e reti
di trasmissione – è tra le infrastrutture che richiedono il maggior
impiego di risorse che l’umanità abbia mai costruito.
Il mito della dematerializzazione
digitale ha una lunga genealogia. A partire dagli anni ’90, i teorici
della “economia dell’informazione” hanno sostenuto che il passaggio
dalla produzione manifatturiera ai servizi, e dagli atomi ai bit,
avrebbe disaccoppiato la crescita economica dal consumo di risorse
materiali.[4] L’ascesa dell’IA ha dato a questa tesi
una nuova e più potente versione: se le precedenti tecnologie digitali
si limitavano a elaborare le informazioni, l’IA – così recita
l'argomentazione – genera essa stessa l’intelligenza, una risorsa la cui
abbondanza non esaurisce la natura ma la trascende. Questa è la visione
che anima la retorica della “IA per il clima”, della “IA per la
sostenibilità”, e l’affermazione più ampia secondo cui la potenza di
calcolo può sostituire le risorse naturali nella risoluzione della crisi
ecologica.
Il quadro
teorico sviluppato in questo articolo, mette in discussione questa
visione fin dalle sue fondamenta. Attingo alla tradizione termodinamica
nell'ambito dell’economia politica ecologica – dall’opera fondamentale
di Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, alla
sintesi ecosocialista sviluppata da John Bellamy Foster e Brett Clark – per sostenere che l’ascesa dell’IA sotto il capitalismo rappresenta non
una trascendenza dal mondo materiale ma un’intensificazione del
rapporto entropico del capitale con esso.[5] La seconda
legge della termodinamica è inesorabile nella sua universalità: ogni
calcolo è un evento termodinamico. Consuma energia a bassa entropia – ordinata, utilizzabile, libera per compiere lavori – e restituisce alla
biosfera rifiuti ad alta entropia sotto forma di calore, anidride
carbonica e materia degradata. Nessun algoritmo, per quanto elegante,
sospende questa legge. La questione non è se l'IA produce entropia, ma
quanta, a quale ritmo, e quali ecosistemi ne assorbono le conseguenze.
Karl Marx concepiva la produzione come
un processo metabolico, come un continuo interscambio tra le società
umane e il mondo naturale, mediato dal lavoro e dalla tecnologia. Nel Capitale,
egli ha osservato che i macchinari non creano energia, ma trasformano e
trasmettono le forze naturali incorporate al suo interno, e che questa
trasformazione comporta sempre il consumo di sostanze naturali.[6]
Ciò che non avrebbe potuto prevedere era una forma di accumulazione
capitalistica in cui la forza produttiva primaria fosse la potenza di
calcolo, e in cui le esigenze termodinamiche di tale potenza avrebbero
esercitato uno stress senza precedenti sui sistemi energetici planetari,
sulle riserve di acqua dolce e sulla stabilità climatica. L’ascesa
dell’IA ci pone di fronte alla necessità di estendere l’analisi
metabolica di Marx al mondo digitale.
Le dinamiche dell'accumulazione: l'IA come motore ad alta entropia
In
primo luogo, la crisi ecologica dell’IA non è un problema
termodinamico. È un fatto sociale e storico. I processi specifici che
stanno generando l’impatto ecologico dell’IA – la competizione al rialzo
tra una manciata di monopoli tecnologici, l’imperativo di aumentare la
capacità computazionale a prescindere dall’utilità sociale, e
l’esternalizzazione sistematica dei costi ecologici sulle comunità e
sugli ecosistemi del Sud globale – sono i prodotti di una particolare
formazione storica: il capitalismo nella sua fase
monopolistica-digitale. La termodinamica non causa questi processi, ma
registra le loro conseguenze. La seconda legge della termodinamica ci
dice che ogni calcolo degrada l’energia. Non ci dice perché il calcolo
sia organizzato su questa scala, a questo ritmo, per questi scopi, e a
spese di chi. Per fare questo, abbiamo bisogno di un'analisi sociale e
storica. Ciò che il quadro termodinamico fornisce, e ciò che lo rende
indispensabile, è una spiegazione precisa del perché il danno ecologico
generato da questi processi sociali non sia incidentale ma strutturale,
non correggibile tramite miglioramenti dell'efficienza ma aggravante, e
non reversibile attraverso i meccanismi di mercato ma permanente.
Per capire perché l'IA sia
termodinamicamente costosa per via di modalità strutturalmente
necessarie, piuttosto che contingenti, è essenziale esaminare la
relazione tra scalabilità computazionale, accumulazione capitalistica e
consumo energetico. Questa relazione è governata da dinamiche che
rendono il peso ecologico dell’IA nel sistema capitalistico non solo
elevato ma autorinforzante ed espansivo.
La base fisica del calcolo dell'IA è
l'elaborazione di grandi quantità di operazioni numeriche – moltiplicazioni, aggiunte e confronti – eseguite da hardware
specializzato a velocità straordinaria. L'energia necessaria per
eseguire queste operazioni non è trascurabile. Emma Strubell, Ananya
Ganesh e lo studio di riferimento 2019 di Andrew McCallum hanno stimato
che l’addestramento di un singolo modello di elaborazione del linguaggio
naturale con ricerca di architettura neurale produce emissioni di
anidride carbonica paragonabili alle emissioni di cinque automobili
medie statunitensi nel loro ciclo di vita.[7] Le
successive generazioni di modelli di elaborazione sono sostanzialmente a emissioni maggiori. Mentre le aziende tecnologiche si sono rifiutate di pubblicare
i dati relativi ai consumi energetici complessivi dei loro sistemi più
recenti, le analisi indipendenti suggeriscono che i modelli di
formazione più avanzati, come GPT-4, hanno consumato energia nell'ordine
di decine di gigawattora, abbastanza per alimentare una piccola città
per settimane.[8]
La relazione tra la scala del modello di
elaborazione e la domanda computazionale non è lineare ma superlineare.
La ricerca sulle leggi di scala nei modelli linguistici di grandi
dimensioni ha stabilito che le prestazioni del modello si ridimensionano
approssimativamente in funzione della potenza del prodotto dei
parametri del modello, e dei dati di formazione.[9] Ciò
significa che i perfezionamenti progressivi della capacità del modello
richiedono aumenti spropositati negli investimenti computazionali. Per
migliorare le prestazioni di un modello di una percentuale fissa, il
budget computazionale – e quindi il consumo di energia – deve aumentare
di una percentuale significativamente maggiore. Questa è l'espressione
termodinamica dei rendimenti decrescenti: man mano che i sistemi di
intelligenza artificiale di frontiera si avvicinano ai limiti delle
prestazioni nei compiti di riferimento, ogni incremento aggiuntivo di capacità richiede un apporto energetico esponenzialmente
maggiore. Il costo entropico dell’IA, secondo gli attuali
paradigmi tecnologici, aumenta più rapidamente dell’IA stessa.
Questa dinamica è ulteriormente
amplificata dalla logica dell’accumulazione capitalistica. L’industria
dell’IA è organizzata intorno a un piccolo numero di grandi aziende –
Google, Microsoft, Amazon, Meta (Facebook) e le loro controparti cinesi –
la cui posizione competitiva dipende dal mantenimento della superiorità
algoritmica. In questo contesto, la capacità informatica non è solo un
input di produzione, ma un asset strategico: l'azienda con maggiori
risorse computazionali può formare modelli più grandi, attirare più
utenti e accumulare più dati, rafforzando così il suo dominio del
mercato. Questo crea quella che potrebbe essere definita una
competizione al rialzo, in cui ogni azienda è costretta ad espandere la
propria infrastruttura di IA non perché il beneficio sociale marginale
del calcolo aggiuntivo giustifichi il costo marginale, ma perché la
logica competitiva dell'accumulazione capitalistica rende qualsiasi
contenimento equivalente all'uscita dal mercato.[10]
Nessuna singola impresa può ridurre volontariamente il suo consumo
energetico senza cedere terreno ai rivali. Il risultato è un fallimento
dell'azione collettiva di proporzioni storiche: complessivamente,
l'industria espande la sua impronta energetica ben oltre ciò che
qualsiasi valutazione razionale del bisogno sociale richiederebbe.
Il meccanismo attraverso il quale opera questa dinamica è illuminato dal paradosso di Jevons (Jevons Paradox)*,
riconosciuto per la prima volta dall'economista inglese William Stanley
Jevons nella sua analisi del 1865 sul consumo di carbone britannico.
Jevons ha osservato che i miglioramenti nell'efficienza delle macchine a
vapore – riduzioni della quantità di carbone necessaria per svolgere
una determinata unità di lavoro – non hanno ridotto il consumo totale di
carbone ma l'hanno accelerato, perché minori costi dell'uso di energia
hanno stimolato l'espansione dell'attività economica ad alta intensità
energetica.[11] Il paradosso non è una stranezza
dell'economia politica vittoriana; è una caratteristica strutturale
dell'accumulazione capitalistica, operante ogniqualvolta i guadagni di
efficienza riducono il costo di una risorsa e quindi stimolano la
domanda per il suo utilizzo.
Nel settore dell'IA, il paradosso di
Jevons opera con particolare forza. Le generazioni successive di chip
IA, dalle architetture A100 alle H100 di NVIDIA, hanno prodotto
notevoli miglioramenti nell’efficienza computazionale, misurati in
operazioni per watt. Eppure il consumo totale di energia da parte delle
infrastrutture di IA è aumentato continuamente e rapidamente, perché i
guadagni di efficienza hanno ridotto il costo del calcolo dell'IA,
stimolato la proliferazione delle applicazioni di intelligenza
artificiale, aumentato il volume delle operazioni di inferenza, e
accelerato lo sviluppo di modelli sempre più grandi. L’analisi di OpenAI
ha rilevato che i requisiti computazionali dell'intelligenza
artificiale di frontiera sono raddoppiati circa ogni 3/4 mesi tra il
2012 e il 2018, con un tasso di incremento di gran lunga superiore ai
miglioramenti di efficienza forniti dai progressi dell'hardware.[12]
Nel 2024, l'Agenzia internazionale per l'energia (AIE) ha previsto che
il consumo di energia elettrica da data center potrebbe superare i
1.000 terawattora all’anno entro il 2026, approssimativamente
equivalente all’intera domanda di elettricità del Giappone.[13]
Sono questi processi sociali e storici
concreti – la monopolistica competizione al rialzo, la dinamica di
Jevons e l’impossibilità strutturale di automoderazione in un regime di
accumulazione competitiva – che la termodinamica registra, ma non può da
sola spiegare. La termodinamica del non equilibrio di Ilya Prigogine,
sviluppata più pienamente in Order Out of Chaos, fornisce il ponte concettuale tra la logica sociale del capitale e le sue conseguenze fisiche.[14]
Prigogine ha dimostrato che i sistemi complessi che sono lontani
dall'equilibrio termodinamico – le cosiddette strutture dissipative – mantengono il loro ordine interno importando continuamente energia a
bassa entropia dal loro ambiente ed esportando rifiuti ad alta entropia.
La cellula vivente, l’uragano e la fiamma sono tutte strutture
dissipative in questo senso: sostengono la loro complessità interna
aumentando l’entropia nell'ambiente circostante. Ma l’intuizione più
profonda di Prigogine, e quella più importante per gli scopi attuali, è
che i processi che spingono le strutture dissipative lontano
dall'equilibrio non sono reversibili. L'entropia generata nell'ambiente
circostante non può essere recuperata; il deterioramento dell'ambiente è
permanente. Questa irreversibilità non è un effetto collaterale
dell'inefficienza, ma la firma termodinamica dei processi dissipativi
stessi.
Il complesso capitalista dell'IA è una
struttura dissipativa di questo tipo, ma la scala, il tasso di crescita e
l'irreversibilità di questa struttura sono determinati non dalle
dinamiche naturali, ma dagli imperativi dell'accumulazione
capitalistica. Mantiene l'ordine interno del profitto aziendale,
dell'ottimizzazione algoritmica e del dominio del mercato riducendo
continuamente le scorte a bassa entropia della biosfera – combustibili
fossili, acqua dolce e giacimenti minerari – e restituendole come
rifiuti ad alta entropia: anidride carbonica, inquinamento termico e
rifiuti elettronici. L'anidride carbonica emessa dai data center si
accumula nell'atmosfera su scale temporali di secoli. Le falde
acquifere, prelevate dai sistemi di raffreddamento, si possono ricreare
solo in tempi millenari, se non si prosciugano del tutto. Gli ecosistemi
sconvolti dall'estrazione di minerali nel bacino del Congo o nel
deserto di Atacama non ritornano ai loro stati precedenti dopo che le
miniere chiudono. Ciò che il capitalismo fa, attraverso la logica
competitiva dell’accumulo di IA, è guidare questi processi dissipativi a
un ritmo e su una scala che superano la capacità rigenerativa dei
sistemi naturali, determinando danni ecologici che nessuna futura
soluzione tecnologica potrà annullare. L'ordine dell'algoritmo viene
acquisito al prezzo del disordine permanente nell'atmosfera, nei bacini
idrografici e nei suoli.
Questa elaborazione ci permette di
vedere cosa nasconde la narrazione tecno-ottimista: che l’“intelligenza”
prodotta dai sistemi di IA non è un dono gratuito dell'informatica, ma
un prodotto termodinamico, estratto dalla natura ad un costo che il
mercato omette sistematicamente di registrare. I conti finanziari delle
aziende tecnologiche registrano i ricavi generati dai servizi di IA; non
registrano il costo entropico imposto agli ecosistemi, alle comunità e
ai sistemi climatici dai flussi di energia e dai materiali che rendono
possibili tali servizi. Non si tratta di un errore contabile ma di una
caratteristica strutturale del rapporto del capitalismo con la natura – quella che John Bellamy Foster, Brett Clark e Richard York hanno
definito la “frattura ecologica”: la separazione sistematica dei costi
di produzione dai luoghi e dai soggetti che li subiscono.[15]
Un'ulteriore dimensione dell'analisi
termodinamica riguarda il rapporto tra la formazione dell'IA e
l'inferenza dell'IA. L'addestramento, ovvero il processo di
ottimizzazione dei parametri di un modello su grandi set di dati, è un
processo computazionalmente impegnativo, ma avviene una sola volta.
L'inferenza, ovvero il processo di esecuzione di un modello addestrato
per generare output, è individualmente meno intensivo, ma avviene in
modo continuo, miliardi di volte al giorno, nell'ambito
dell'implementazione globale dei sistemi di IA. Man mano che
l’intelligenza artificiale viene integrata nei motori di ricerca, nei
software di produttività, nella diagnostica sanitaria, nella ricerca
legale, nell’analisi finanziaria e nei sistemi di targeting militare, la
domanda energetica aggregata di inferenza cresce in proporzione alla
scala di implementazione. Goldman Sachs Research ha stimato che la
domanda di energia per l'inferenza dell'intelligenza artificiale
potrebbe superare quella della formazione entro l'attuale decennio, con
l'espansione della sua diffusione.[16] Ciò significa
che l'onere ecologico dell'intelligenza artificiale non è un costo una
tantum per la costruzione del sistema, ma una tassa continua e crescente
sui bilanci energetici e idrici del pianeta: una tassa con un'aliquota
che aumenta con ogni nuova applicazione, ogni nuovo utente e ogni nuovo
ciclo di accumulazione capitalistica nel settore dell'IA.
Il quadro che emerge è quello in cui la
crisi ecologica dell’IA è prodotta non dalla termodinamica in quanto
tale, ma dai processi sociali e storici specifici dell’accumulazione
capitalistica – la competizione al rialzo, la dinamica di Jevons e
l’esternalizzazione sistematica dei costi ecologici – che insieme
guidano processi dissipativi irreversibili, secondo Prigogine, su scala
planetaria. L’entropia è la misura del danno; l’accumulazione
capitalistica è la sua causa.
La frattura energetica: energia, acqua ed estrazione mineraria
L’analisi
termodinamica della sezione precedente, definisce la logica strutturale
delle richieste energetiche dell’IA. Questa sezione esamina la realtà
materiale di queste richieste in tre dimensioni: elettricità, acqua e
minerali critici. Insieme, questi tre vettori di estrazione
costituiscono quello che possiamo chiamare, adattando il concetto di
"frattura metabolica" di Foster e Clark, una “spaccatura energetica”
specifica dell'era digitale: una rottura sistematica della relazione
metabolica tra i sistemi tecnologici umani e i cicli naturali che li
sostengono, mediata dalle disuguaglianze spaziali e sociali del
capitalismo globale.[17]
Elettricità: la rete sotto assedio
La dimensione più immediatamente
visibile dell'impronta ecologica dell'intelligenza artificiale è la sua
domanda di energia elettrica. I data center – l'infrastruttura fisica
dell'IA, che ospita i server che addestrano i modelli ed elaborano le
richieste di inferenza – sono tra le strutture che consumano più
elettricità nell'economia moderna. Un grande hyperscale data center,
come quello gestito da Google, Microsoft o Amazon, può consumare
ininterrottamente tra 100 e 500 megawatt di energia – è paragonabile
alla domanda di elettricità di una città di medie dimensioni.
L'espansione dell'IA ha accelerato drasticamente la costruzione di tali
strutture. Nel 2024, Microsoft ha annunciato l’intenzione di investire,
da sola, 100 miliardi di dollari in nuove infrastrutture di data center a
livello globale, con impegni simili da parte di Google, Amazon e Meta.[18]
La portata di questa espansione sta
esercitando una forte pressione sulle reti elettriche nelle regioni in
cui si concentra la costruzione di data center. Nella Virginia
settentrionale, che ospita la più grande concentrazione di data center
al mondo, i gestori della rete hanno lanciato l'allarme: la crescita
pianificata dei data center minaccia di superare la capacità di
generazione e trasmissione di elettricità della regione, rendendo
potenzialmente necessaria la costruzione di nuove centrali a
combustibili fossili per soddisfare la domanda.[19] In
Irlanda, i data center rappresentano già circa il 21% del consumo totale
di energia elettrica nazionale: una cifra che i progetti dei gestori di
rete nazionale potrebbero far aumentare al 32% entro il 2031,
escludendo la capacità di energia rinnovabile destinata alla
decarbonizzazione domestica e industriale.[20] A
Singapore, il governo ha imposto una moratoria sulla costruzione di
nuovi data center tra il 2019 e il 2022, adducendo limitazioni
energetiche, prima di revocarla sotto la pressione delle aziende
tecnologiche.
La relazione tra la domanda di
elettricità dell’IA e la transizione energetica è molto contraddittoria.
Le aziende tecnologiche hanno assunto impegni di alto profilo per
alimentare le loro operazioni con energie rinnovabili, e hanno investito
in modo sostanziale in accordi di acquisto di energia elettrica eolica e
solare. Ma questi impegni sono sistematicamente compromessi da tre
dinamiche strutturali. In primo luogo, il disallineamento temporale tra
la disponibilità di energia rinnovabile, che è intermittente, dipendente
dalle condizioni eoliche e solari, e la domanda di data center, che è
continua e non può essere interrotta, significa che gli accordi di
acquisto di energia rinnovabile spesso non corrispondono ai modelli di
consumo effettivo di elettricità. L'elettricità che fluisce attraverso i
circuiti dei data center in un dato momento può essere generata da gas
naturale, carbone o impianti nucleari, indipendentemente da quali
contratti rinnovabili l'azienda ha firmato.[21]
In secondo luogo, e più sostanzialmente,
la crescita della domanda di elettricità da parte dell'IA sta superando
l'espansione della capacità di energia rinnovabile. Un'analisi del 2024
condotta dall'Agenzia Internazionale per l'Energia ha rilevato che in
diversi mercati importanti, la crescita prevista della domanda di
elettricità nei data center consumerebbe una quota sostanziale di
energia rinnovabile di nuova generazione, escludendo di fatto la
decarbonizzazione in altri settori.[22] Sviluppare
capacità rinnovabili per alimentare l'IA non aumenta
l'approvvigionamento di energia pulita per l'economia in generale;
assorbe energia pulita che altrimenti sostituirebbe i combustibili
fossili altrove.
In terzo luogo, gli enormi requisiti di
affidabilità delle infrastrutture di IA hanno spinto le aziende
tecnologiche a cercare contratti a lungo termine per la produzione di
elettricità alimentata a gas naturale. L'accordo di Microsoft con
Constellation Energy per riaprire la centrale nucleare di Three Mile
Island ha attirato una notevole pubblicità, ma meno notata è stata la
tendenza delle aziende tecnologiche di siglare contratti di capacità con
i produttori di gas per garantire una alimentazione stabile di energia.[23]
La logica ecologica è chiara: l'espansione dell'IA sta prolungando
direttamente la vita economica delle infrastrutture per l'estrazione di
combustibili fossili, vincolando il sistema a emissioni di carbonio per i
decenni a venire.
Acqua: il metabolismo nascosto
Se
l’elettricità è il volto visibile dell’impatto ecologico dell’IA,
l’acqua ne costituisce il metabolismo nascosto. I data center richiedono
grandi quantità di acqua dolce per il raffreddamento, sia attraverso
sistemi di raffreddamento evaporativo diretto che consumano acqua sotto
forma di vapore che attraverso il raffreddamento delle centrali
termoelettriche che forniscono loro l’elettricità. Questa domanda di
acqua è strutturalmente invisibile nella maggior parte della valutazione
pubblica dell’impatto ambientale dell’IA, eppure rappresenta uno dei
fattori più gravi e localmente acuti dell’impronta ecologica di questa
tecnologia.
Lo studio del 2023 di Pengfei Li
e colleghi, ha fornito le prime stime sistematiche del consumo di acqua
dell’IA, calcolando che l’addestramento di ChatGPT-3 [un assistente
virtuale sviluppato da OpenAI] ha richiesto l’utilizzo di circa 700.000
litri di acqua dolce, abbastanza per produrre 370 auto BMW o 320 veicoli
elettrici Tesla.[24] Per inferenza, il quadro è
altrettanto sorprendente: lo studio ha stimato che ChatGPT consuma circa
500 millilitri [mezzo litro] di acqua, per rispondere a 20-50 domande.
Moltiplicato per milioni di utenti giornalieri, ciò rappresenta una
domanda complessiva di acqua dolce di enormi proporzioni.
I dati divulgati dalle aziende confermano questa tendenza. Il Rapporto ambientale di Microsoft del 2022
ha rivelato un aumento del 34%, nel consumo globale di acqua rispetto
all’anno precedente, attribuendo esplicitamente tale aumento
all'espansione delle infrastrutture di IA.[25] Nello stesso periodo Google ha registrato un aumento del 20% del consumo di acqua.[26]
Queste non sono fluttuazioni marginali: rappresentano un cambiamento
strutturale nella domanda di acqua dolce da parte del settore
tecnologico, guidato direttamente dalla crescita dei sistemi di IA.
La geografia del consumo di acqua non è affatto neutrale. I data center
sono spesso situati in regioni scelte per il basso costo di terreni, la presenza di regimi fiscali favorevoli e di condizioni climatiche adatte al
raffreddamento, criteri che portano abitualmente le aziende tecnologiche
a insediarsi in aree caratterizzate da stress idrico, esistente o
emergente. Nel Sud-ovest degli Stati Uniti, i data center competono per
l'acqua con l'agricoltura e con i sistemi idrici pubblici, in una
regione che è già alle prese con gravi condizioni di siccità,
amplificate dai cambiamenti climatici. In Cile, le aziende tecnologiche
hanno costruito strutture per data center nella regione di Atacama e
nelle sue vicinanze, attingendo alle risorse idriche di uno degli
ecosistemi più aridi del mondo – risorse da cui dipendono, per la
sopravvivenza, le comunità indigene degli Atacameño e i piccoli
agricoltori.[27] In India, negli stati di Telangana e
Andhra Pradesh, i progetti di parchi di data center hanno incontrato
resistenze a livello locale per le preoccupazioni relative
all’esaurimento delle falde acquifere in aree che già soffrono di
scarsità d’acqua per l’agricoltura.
Questo modello spaziale riproduce, nello
specifico delle infrastrutture digitali dominanti, la logica più estesa
di ciò che Rob Nixon chiama “slow violence” [violenza lenta]: le forme
graduali, sparse e attenuate temporalmente, di danno ecologico, che non
vengono registrate come eventi nei media o nei sistemi politici dominati
da catastrofi drammatiche e improvvise.[28]
L’esaurimento di una falda acquifera regionale dovuto alle operazioni di
raffreddamento dei data center, avviene nel corso di anni e decenni,
colpendo comunità la cui insicurezza idrica è già cronica e la cui voce
politica è limitata: non genera titoli di giornali. Non compare nei
rapporti di sostenibilità delle aziende tecnologiche. Ma è materialmente
reale, termodinamicamente necessario e strutturalmente determinato
dalla logica competitiva dell'accumulazione dell’IA.
Minerali: la base estrattiva
La terza dimensione della frattura energetica dell’IA è rappresentata
dalla base estrattiva del suo hardware. I semiconduttori, i server, i
sistemi di archiviazione e le apparecchiature di rete che costituiscono
l'infrastruttura dell’IA richiedono una complessa gamma di minerali
critici – litio, cobalto, tantalio, neodimio, disprosio, indio, gallio e
altri – la cui estrazione comporta gravi e concentrati danni ecologici,
che gravano in modo sproporzionato sulle comunità del Sud globale.
La geografia dell'estrazione di minerali
critici coincide quasi esattamente con la geografia dell’estrazione
coloniale storica. La Repubblica Democratica del Congo fornisce circa il
70% della produzione globale di cobalto, in gran parte proveniente da
miniere artigianali che operano in condizioni di grave degrado
ambientale e sfruttamento del lavoro, incluso l’uso diffuso del lavoro
minorile.[29] Bolivia, Cile e Argentina – il “triangolo
del litio” – detengono la maggior parte delle riserve globali di litio,
e la loro estrazione genera l’esaurimento delle falde acquifere saline
in ecosistemi ad alta quota di eccezionale sensibilità ecologica. Gli
elementi delle terre rare, essenziali per i magneti permanenti
utilizzati nelle ventole di raffreddamento e nei sistemi di
alimentazione dei data center, sono concentrati in Cina, Myanmar e
Repubblica Democratica del Congo, con operazioni di trasformazione che
generano rifiuti radioattivi e tossici.
L'accelerazione dello sviluppo
dell’hardware per l'IA aggrava queste pressioni estrattive attraverso la
logica dell'obsolescenza programmata. Le dinamiche della competizione
al rialzo dell’IA richiedono alle aziende tecnologiche di aggiornare
continuamente il proprio hardware, sostituendo le precedenti generazioni
di GPU e gli acceleratori di IA personalizzati con modelli più nuovi e
potenti, che hanno cicli di due-tre anni. Questo genera enormi quantità
di rifiuti elettronici: server, GPU, moduli di memoria e apparecchiature
di rete scartati che contengono materiali tossici tra cui piombo,
mercurio, cadmio e ritardanti di fiamma bromurati. La produzione globale
di rifiuti elettronici ha raggiunto i 62 milioni di tonnellate nel 2022
e si prevede che crescerà fino a 82 milioni di tonnellate entro il
2030.[30] Una parte sostanziale di questi rifiuti viene
esportata, spesso in violazione della Convenzione di Basilea, verso
impianti di trattamento in Africa occidentale, Asia meridionale e
Sud-Est asiatico, dove viene gestita in condizioni di grave rischio per
la salute e l'ambiente.
Il concetto di scambio ecologico ineguale
ha una storia lunga e controversa, che affonda le sue radici nella più
ampia tradizione dello scambio ineguale e nella critica marxista
dell’imperialismo. Attingendo a questa ricca tradizione intellettuale –
che dalle teorie classiche dell'imperialismo arriva alla teoria della
dipendenza e all'analisi del sistema-mondo – gli studiosi hanno
progressivamente incorporato le dimensioni ecologiche nell'analisi delle
asimmetrie Nord-Sud.[31] Il contributo di Clark e
Foster a questo quadro teorico si fonda principalmente sulla critica
dell'imperialismo ecologico: il riconoscimento che il rapporto
metabolico tra il Nord globale [il centro del sistema-mondo] e il Sud
globale [la periferia] non è solo un'asimmetria economica, ma anche
ecologica in quanto la periferia assorbe i costi ambientali
dell'accumulazione del centro.[32] Questo quadro teorico fornisce le basi per comprendere l’economia politica globale del metabolismo dei materiali dell’IA.
Questi tre vettori di estrazione –
elettricità, acqua e minerali – non sono indipendenti; sono dimensioni
interconnesse di un unico sistema metabolico organizzato dagli
imperativi di accumulazione capitalistica. I data center richiedono
elettricità, che a sua volta richiede infrastrutture che richiedono
minerali e acqua. I sistemi di raffreddamento necessitano di acqua ed
entrano in competizione con l'agricoltura e l'approvvigionamento idrico
pubblico, con ripercussioni sui sistemi alimentari e sulla salute umana.
La produzione di hardware richiede minerali, e la loro estrazione
produce rifiuti e crea problemi di smaltimento che causano ulteriori
danni ecologici. La frattura energetica dell’IA non è una singola
rottura nel metabolismo della natura, ma una perturbazione a cascata che
interessa molteplici sistemi ecologici, coordinata dalla mano
invisibile del capitale e resa invisibile dall’apparato ideologico della
dematerializzazione digitale.
I limiti termodinamici del capitale
Le prove materiali raccolte nella sezione precedente vanno oltre la
portata della crisi e ne evidenziano la struttura. Ciò che emerge dai
dati empirici relativi alla domanda di elettricità, all’esaurimento
delle risorse idriche e all’estrazione di minerali non è una serie di
fallimenti indipendenti del mercato, ma un’unica logica sistemica, che
richiede una spiegazione teorica, non solo tecnica.
La crisi ecologica generata dal capitalismo dell’IA non è riducibile ad un
problema di aumento dei costi di produzione o, dal lato dell’offerta, di
vincoli che ostacolano l’accumulazione. Rappresenta, piuttosto, un
attacco sistematico alle capacità rigenerative del mondo naturale
stesso. Come ha sostenuto Foster, il rapporto tra capitalismo e natura è
definito da un antagonismo strutturale: la logica dell’accumulazione
infinita è inconciliabile con i limiti rigenerativi finiti dei sistemi
naturali.[33] Il capitale non si limita a sfruttare la
natura come condizione di produzione: interrompe metabolicamente i cicli
e le relazioni attraverso i quali la natura si riproduce. Paul Burkett
approfondisce questa analisi recuperando da Marx una concezione della
natura che rifiuta la sua riduzione a valore strumentale.[34]
I sistemi naturali possiedono valori d’uso che sono irriducibili al
loro ruolo nel processo produttivo, e la distruzione sistematica di
questi valori d’uso da parte del capitalismo – la sua conversione degli
ecosistemi viventi in fattori di produzione e discariche di rifiuti – costituisce una crisi ecologica nel senso più pieno del termine: non una
crisi di redditività, ma una crisi delle condizioni biofisiche della
vita stessa.
L'economia dell'IA rappresenta un'acuta
intensificazione di questa dinamica. I data center, i sistemi di
raffreddamento e le catene di approvvigionamento minerario che
sostengono l’infrastruttura dell’IA non si limitano a sfruttare le
risorse naturali, nel senso economico di aumentare i costi di
produzione. Contribuiscono soprattutto a un degrado cumulativo e in gran
parte irreversibile dei sistemi idrici, degli ecosistemi energetici e
dei paesaggi estrattivi da cui dipende la vita umana e non umana. Questo
degrado non compare nei bilanci delle imprese tecnologiche, non perché
sia economicamente marginale, ma perché il sistema contabile del
capitale è strutturalmente incapace di registrare la distruzione di
valori che non sono mai stati mercificati. La crisi ecologica dell’IA
non è quindi un fallimento del mercato in attesa di una correzione di
mercato; è l’espressione di ciò che il capitalismo fa alla natura quando
opera senza limiti.
La risposta dominante a questa
contraddizione nel quadro della governance capitalista è la narrazione
dell’IA “verde” e dell’informatica sostenibile – l’affermazione che la
crisi ecologica dell’IA può essere risolta attraverso l’innovazione
tecnologica, i meccanismi di mercato e l’impegno volontario delle
imprese. Questa risposta merita una seria attenzione analitica, non
perché sia convincente ma perché comprenderne il fallimento mette in
luce il carattere strutturale del problema.
La narrazione sull’IA verde si basa su
tre affermazioni: che le energie rinnovabili possono soddisfare la
domanda di elettricità dell’IA senza causare danni ecologici netti; che i
miglioramenti nell’efficienza dell’hardware ridurranno il costo
ecologico unitario in misura sufficiente da compensare la crescita della
domanda totale; e che l’IA stessa genererà benefici ambientali –
attraverso la modellazione climatica, l’ottimizzazione energetica e la
scienza dei materiali – che supereranno i suoi costi ecologici. Ciascuna
di queste affermazioni è pregiudicata dalle dinamiche strutturali
dell'accumulazione capitalistica.
Come osservato sopra, l’affermazione
sulle energie rinnovabili non regge perché la domanda di elettricità
dell’IA sta crescendo più rapidamente della capacità di energia
rinnovabile [si riferisce alla potenza massima che un impianto o un
paese può generare tramite fonti rinnovabili], perché i disallineamenti
temporali tra l’offerta di energia rinnovabile e la domanda dei data
center richiedono una/la generazione di energia di riserva [back-up] da
combustibili fossili e perché le aziende tecnologiche, per garantire
l’affidabilità, stanno attivamente stringendo accordi per la
generazione di energia di riserva con centrali a turbina a gas.
L'affermazione sull’efficienza non regge a causa del paradosso di
Jevons: i miglioramenti dell'efficienza dell’hardware riducono i costi e
quindi stimolano una maggiore domanda, producendo un consumo energetico
totale maggiore anziché inferiore. L’affermazione sul beneficio netto
non regge perché tratta i costi e i benefici ecologici dell’IA come
commensurabili e commerciabili, quando in realtà, i costi ecologici sono
concentrati, locali e pagati dalle comunità vulnerabili. Nel frattempo,
i benefici sono diffusi, speculativi e appropriati dagli azionisti e
dai consumatori dei paesi ricchi. Non esiste un meccanismo di mercato in
grado di aggregare questi effetti, distribuiti in modo asimmetrico, in
una contabilità sociale razionale.[35]
I meccanismi di compensazione delle
emissioni di carbonio (carbon offset) e gli impegni per le emissioni
nette zero (net-zero pledge) attraverso i quali le aziende tecnologiche
gestiscono la loro contabilità ecologica pubblica sono soggetti a
critiche analoghe. Le compensazioni delle emissioni di carbonio – pagamenti a progetti che dichiarano di ridurre le emissioni altrove,
compensando quelle dell'azienda stessa – sono afflitte da problemi di
addizionalità, permanenza e verificabilità che rendono molti di essi
ecologicamente fittizi.[36] Gli impegni per le
emissioni nette zero che dipendono sostanzialmente dalle compensazioni
piuttosto che dalle riduzioni delle emissioni assolute sono, in termini
termodinamici, manovre contabili piuttosto che interventi fisici: non
riducono l'entropia generata dai data center; acquistano diritti su
riduzioni di entropia altrove, molte delle quali non si materializzano
affatto. Come Clark e York hanno dimostrato nella loro analisi del
metabolismo del carbonio, la frattura biosferica generata dal
capitalismo dei combustibili fossili non è un’esternalità da prezzare e
gestire, ma una caratteristica strutturale del rapporto tra il capitale e
il ciclo del carbonio – un rapporto che l’espansione delle
infrastrutture di IA sta ora approfondendo e accelerando.[37]
Una critica più importante riguarda il
rapporto tra efficienza e scala. La storia del capitalismo industriale è
una storia di miglioramenti dell’efficienza che sono stati
costantemente sopraffatti dall'espansione di scala, una storia che
Georgescu-Roegen ha analizzato come l'inevitabile conseguenza
dell'applicazione dei principi della termodinamica a un sistema
economico basato su una crescita illimitata.[38] Non
esiste alcun miglioramento dell'efficienza, per quanto drastico, che sia
in grado di rendere sostenibile un sistema in espansione esponenziale – su un pianeta finito – con un bilancio entropico fisso. La questione
non è se l’IA possa essere resa più efficiente – può esserlo, e i
miglioramenti sono reali – ma se i miglioramenti in termini di
efficienza possano superare la crescita della domanda guidata
dall’accumulazione competitiva. Le prove dell'ultimo decennio
suggeriscono che non sia possibile. La logica termodinamica
dell'accumulazione capitalistica ne fornisce la ragione strutturale.
Questo ci porta a ciò che potremmo
chiamare il limite termodinamico del capitale: il punto in cui
l’entropia generata dall’accumulazione capitalistica supera la capacità
della biosfera di assorbirla senza provocare uno sconvolgimento
catastrofico dei sistemi – clima, idrologia, biodiversità e fertilità
del suolo – da cui dipende la civiltà umana. Questo limite non è una
soglia precisa che si possa identificare in anticipo; è una zona di
crisi, sempre più profonda, in cui siamo già entrati sotto diversi
aspetti (concentrazione del carbonio nell’atmosfera, esaurimento delle
risorse di acqua dolce e perdita di biodiversità) e verso la quale ci
stiamo avvicinando per altri. L’espansione dell’IA nell’attuale regime
di accumulazione capitalistica non sta allontanando la civiltà da questo
limite, ma la sta avvicinando ad esso, ad un ritmo sempre più
accelerato.
L'economia politica di questa
traiettoria è chiara. I costi legati all’avvicinamento/approssimazione
al limite termodinamico del capitale non sono sostenuti da coloro che
guidano l'accumulazione, cioè gli azionisti, i dirigenti e gli
investitori istituzionali delle aziende tecnologiche le cui dinamiche
competitive determinano il ritmo di espansione dell'IA. Sono sostenuti
dalle comunità che vivono in regioni con scarsità idrica le cui falde
acquifere vengono prosciugate dai sistemi di raffreddamento dei data
center, dai lavoratori delle miniere la cui salute viene compromessa
dall'estrazione mineraria, dalle popolazioni dei paesi vulnerabili ai
cambiamenti climatici la cui sicurezza alimentare è minacciata dalle
emissioni di carbonio, e dalle generazioni future che erediteranno un
pianeta con una ridotta capacità di autoregolazione ecologica. Questa è
l'economia politica dell'entropia: la privatizzazione dei benefici del
consumo a bassa entropia e la socializzazione dei costi dei rifiuti ad
alta entropia.[39]
Nessuna innovazione tecnica può
risolvere questa economia politica, perché non si tratta di un problema
tecnico. È una questione di potere, di chi controlla i mezzi di calcolo,
di chi stabilisce le finalità per cui viene impiegata la capacità
computazionale e di chi ne sostiene i costi ecologici. Affrontare la
questione non richiede algoritmi migliori o chip più efficienti ma una
trasformazione radicale dei rapporti sociali di produzione nell'economia
digitale. Richiede, in sintesi, una politica all’altezza della posta in
gioco termodinamica del momento attuale.
Conclusione
L’analisi sociale e storica sviluppata in questo articolo porta a una conclusione
che il discorso dominante sull’IA e sulla sua sostenibilità elude
sistematicamente: la crisi ecologica dell’IA non è un problema di
insufficiente innovazione o di inadeguata responsabilità aziendale,
bensì è l’espressione strutturale della tensione irrisolvibile tra il
capitalismo ed i limiti biofisici del pianeta. I processi specifici che
alimentano questa crisi – la competizione al rialzo, la dinamica di
Jevons e lo spostamento sistematico dei costi ecologici nel Sud globale – non sono malfunzionamenti tecnici in attesa di soluzioni
ingegneristiche. Sono normali dinamiche di accumulazione capitalistica
nella sua fase monopolistico digitale, registrate in termini
termodinamici come processi dissipativi irreversibili: permanenti,
cumulativi e fuori dalla portata delle correzioni del mercato.
La tradizione ecosocialista offre il
punto di partenza teorico più coerente per un’alternativa. Come ha
sostenuto Foster, la frattura metabolica tra capitale e natura non può
essere sanata nel quadro istituzionale del capitalismo stesso; richiede
una riorganizzazione sostanziale dei rapporti sociali di produzione che
subordini gli imperativi dell’accumulazione ai limiti rigenerativi del
mondo naturale. Una logica ecosocialista dell'informatica si fonderebbe
su tre impegni fondamentali.
In primo luogo, si baserebbe sul controllo
democratico delle infrastrutture informatiche: i data center, le
piattaforme di intelligenza artificiale e le reti che le collegano
costituiscono un'infrastruttura sociale critica la cui governance non
può essere lasciata agli imperativi competitivi del capitale privato. Al
pari delle reti elettriche e dei sistemi idrici, esse richiedono
responsabilità democratiche: forme di controllo sociale che consentano
alle comunità di determinare le finalità d'uso della capacità
informatica e i termini in base ai quali vengono distribuiti i costi
ecologici.
In secondo luogo, richiederebbe un riorientamento delle
priorità di ricerca e sviluppo, allontanandosi dalle applicazioni volte
alla massimizzazione del profitto – ottimizzazione pubblicitaria,
trading finanziario e sorveglianza del lavoro – indirizzandosi verso
applicazioni che rispondano realmente ai bisogni sociali. Tra queste
rientrano la gestione delle energie rinnovabili, la salute pubblica, il
monitoraggio ecologico e l'istruzione.
In terzo luogo, e soprattutto,
richiederebbe l'accettazione del fatto che che la scala dell'attività
informatica debba essere vincolata dai limiti ecologici. Il principio di
sufficienza – inteso come "calcolare quanto basta", piuttosto che
"calcolare sempre di più" – deve diventare il criterio guida che
sostituisca l'imperativo di crescita su cui si fonda l'attuale
competizione al rialzo dell'IA.
Nessuna di queste trasformazioni è
imminente e nessuna può essere realizzata solo con mezzi tecnici.
L'irreversibilità che Prigogine ha identificato nei sistemi dissipativi
ha il suo analogo sociale nelle dipendenze dal percorso (path dependencies)**
proprie delle infrastrutture capitalistiche: i data center già
costruiti, i contratti già firmati per i combustibili fossili e i
paesaggi estrattivi già degradati. Ciò che la politica ecosocialista può
realizzare non è la reversibilità dei danni passati ma l'interruzione
dei processi che generano danni futuri: una rottura nella logica sociale
dell'accumulazione che la termodinamica registra, ma non può produrre
autonomamente.
La questione che ci troviamo ad affrontare non è se i
limiti del capitale prevarranno, ma se ciò avverrà secondo modalità
stabilite dalle società democratiche impegnate nella sopravvivenza
ecologica o nelle modalità imposte dalle crisi a cascata di una biosfera
spinta oltre la propria capacità rigenerativa. Non è l'algoritmo a
decidere. È la politica.
Note
* Il paradosso di Jevons è un principio economico secondo cui, quando
un'innovazione tecnologica aumenta l'efficienza nell'uso di una risorsa,
il consumo totale di quella risorsa aumenta anziché diminuire. Questo
avviene perché il miglioramento dell'efficienza riduce i costi,
stimolando una maggiore domanda e un utilizzo più diffuso. N.d.T.
** Il
termine indica un fenomeno per cui le decisioni o gli eventi del
passato influenzano in modo determinante le scelte e i risultati futuri,
limitando le alternative disponibili. N.d.T.
[1] Sasha Luccioni, Alexandre Viguier e Anne-Laure Ligozat, Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model, in "Journal of Machine Learning Research", 24, n. 253, 2023, pp. 1–15.
[2] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand, 14.05.2024.
[3] Microsoft, 2022 Environmental Sustainability Report, Microsoft Corporation, Washington, Redmond, 2022, p. 17.
[4] Jeremy Rifkin, The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism, Palgrave Macmillan, New York, 2014, pp. 11-14.
[5] Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, Harvard University Press, Cambridge, 1971, pp. 3-4; John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift: Capitalism’s War on the Earth, Monthly Review Press, New York, 2010, pp. 54-76.
[6] Karl Marx, Capital: A Critique of Political Economy, vol. 1, Penguin, Londra, 1976, pp. 493-494; tr. it. Roberto Fineschi et al., Karl Marx, Il Capitale, Libro 1, Einaudi, Torino, 2024, pp. 377-378.
[7] Emma Strubell, Ananya Ganesh e Andrew McCallum, Energy and Policy Considerations for Deep Learning in NLP, Proceedings of the Fifty-Seventh Annual Meeting of the Association for Computational Linguistics, 2019, pp. 3645-3650.
[8] David Patterson, et al., Carbon Emissions and Large Neural Network Training, arXiv preprint, arXiv, 2104.10350, 2021, pp. 1-9.
[9] Jordan Hoffmann, et al., Training Compute-Optimal Large Language Models, arXiv preprint, arXiv, 2203.15556, 2022, pp. 1-19.
[10] John Bellamy Foster, The Ecology of Marxian Political Economy, in "Monthly Review", 63, n. 4, settembre 2011, pp. 1-16.
[11] William Stanley Jevons, The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal Mines, Macmillan, Londra, 1865, pp. 152-153.
[12] AI and Compute, OpenAI (blog), openai.com/blog/ai-and-compute.
[13] International Energy Agency, Electricity 2024: Analysis and Forecast to 2026, IEA, Parigi, 2024, p. 14.
[14] Ilya Prigogine e Isabelle Stengers, Order Out of Chaos: Man’s New Dialogue with Nature, Bantam Books, New York, 1984, pp. 143-145; tr. it., di Pier Daniele Napolitani, Ilya Prigogine e Isabelle Stengers, La nuova alleanza. Metamorfosi della scienza, Einaudi, Torino, 1981.
[15] John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift, op. cit., pp. 73-76.
[16] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand.
[17] Brett Clark e John Bellamy Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano/Nitrates Trade, in "International Journal of Comparative Sociology", 50, n. 3–4, 2009, pp. 311-334.
[18] Arsheeya Bajwa, Microsoft, OpenAI Plan $100 Billion Data-Center Project, Media Report Says, Reuters, 29.03.2024.
[19] International Energy Agency, Electricity 2024, op. cit., p. 27.
[20] EirGrid, Tomorrow’s Energy Scenarios 2023, EirGrid, Dublino, 2023, p. 34.
[21] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.
[22] International Energy Agency, Electricity 2024, op. cit. pp. 27-29.
[23] Kim Crawford e Vladan Joler, Anatomy of an AI System, 2018, anatomyof.ai.
[24] Pengfei Li, et al., Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models, arXiv preprint, arXiv, 2304.03271, 2023, pp. 1-10.
[25] Microsoft, 2022 Environmental Sustainability Report, op. cit., p. 17.
[26] Google, 2023 Environmental Report, Google, California, Mountain View, 2023, p. 22.
[27] Peter Dauvergne, AI in the Wild: Sustainability in the Age of Artificial Intelligence, MIT Press, Cambridge, 2020, pp. 78-79.
[28] Rob Nixon, Slow Violence and the Environmentalism of the Poor, Harvard University Press, Cambridge Massachusetts, 2011, pp. 2-3.
[29] Guillaume Pitron, The Rare Metals War: The Dark Side of the Clean Energy and Digital Technologies, Scribe, Londra, 2023, pp. 45-67.
[30] United Nations Institute for Training and Research, The Global E-waste Monitor 2024, UNITAR, Bonn, 2024, p. 3.
[31] John Bellamy Foster e Hannah Holleman, The Theory of Unequal Ecological Exchange: A Marx-Odum Dialectic, Journal of Peasant Studies 41, n. 2, 2014, pp. 199-233; tr. it., La teoria dello scambio ecologico ineguale: una dialettica Marx-Odum, online, antropocene.org, 10.05.2023
[32] John Bellamy Foster e Brett Clark, Introduction to the Updated Edition of Arghiri Emmanuel’s Unequal Exchange, in "Monthly Review", 77, n. 8, gennaio 2026, pp. 1-19.
[33] John Bellamy Foster, Capitalism and Ecology: The Nature of the Contradiction, in "Monthly Review", 54, n. 4, settembre 2002, pp. 6-16.
[34] Paul Burkett, Fusing Red and Green, in "Monthly Review" 50, n. 9, febbraio 1999, pp. 47-56; Paul Burkett, Marx and Nature: A Red and Green Perspective, St. Martin’s Press, New York, 1999.
[35] John Bellamy Foster e Brett Clark, The Robbery of Nature: Capitalism and the Metabolic Rift, in "Monthly Review" 70, n. 3, luglio-agosto 2018, pp. 1-20.
[36] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.
[37] Brett Clark e Richard York, Carbon Metabolism: Global Capitalism, Climate Change, and the Biospheric Rift, in "Theory and Society", 34, n. 4, 2005, pp. 391-428.
[38] Georgescu-Roegen, The Entropy Law and the Economic Process, op. cit., pp. 276-278.
[39] John Bellamy Foster, Marx’s Ecology: Materialism and Nature, Monthly Review Press, New York, 2000, pp. 141-177.
Fonte
