Link per scaricare/consultare il documento:
https://www.umass.edu/news/article/next-gen-ai-can-learn-continuously-while-consuming-fraction-computing-energy-required

Tipo di documento: notizia/comunicato universitario su ricerca scientifica. Il documento tecnico collegato è un articolo accademico peer-reviewed pubblicato su Nature Communications: “Turing universal neural networks do not require global clocks”.

Una ricerca dell’Università del Massachusetts Amherst propone una nuova architettura di intelligenza artificiale, chiamata ANT, capace di apprendere in modo continuo e asincrono. L’obiettivo è ridurre drasticamente il consumo energetico rispetto ai sistemi di IA oggi basati su calcoli sincronizzati e data center ad alta intensità elettrica.

Come funziona l’IA ANT ispirata al cervello

L’intelligenza artificiale di nuova generazione potrebbe diventare più efficiente copiando un principio biologico: il cervello non attiva tutti i neuroni nello stesso momento. Il gruppo guidato da Hava Siegelmann, docente al Manning College of Information and Computer Sciences dell’UMass Amherst, ha sviluppato le Asynchronous Neural Turing networks, o ANT, un’architettura che elimina la necessità di un “orologio globale” nei calcoli neurali.

Nei modelli attuali, milioni o miliardi di parametri vengono aggiornati in modo sincronizzato. Questo sistema ha favorito l’espansione delle reti neurali profonde, ma comporta costi energetici crescenti. ANT, invece, aggiorna solo i neuroni necessari in una specifica fase computazionale, mantenendo la possibilità di apprendimento differenziabile che rende efficaci le reti moderne.

Energia, data center e sostenibilità dell’IA

Il tema è centrale. Secondo l’Agenzia internazionale dell’energia, il consumo elettrico globale dei data center potrebbe quasi raddoppiare entro il 2030, raggiungendo circa 945 TWh. In questo scenario, l’efficienza non è solo una questione tecnica, ma anche ambientale, industriale e geopolitica.

La ricerca pubblicata su Nature Communications indica che reti neurali universali secondo Turing non richiedono necessariamente aggiornamenti globali sincronizzati. È un risultato teorico, ma potenzialmente importante per robotica, edge computing, veicoli autonomi e dispositivi intelligenti con limiti energetici stringenti.

Opportunità e limiti etici

ANT non risolve da sola l’impatto ambientale dell’IA, né dimostra ancora un’applicazione industriale su larga scala. Tuttavia, apre una direzione: costruire sistemi più adattivi, meno energivori e capaci di apprendere in tempo reale. Il rischio è che maggiore efficienza produca anche maggiore diffusione dell’IA, aumentando sorveglianza, automazione opaca e dipendenza tecnologica. La sfida sarà collegare innovazione, trasparenza, governance e sostenibilità.

Breve approfondimento: cronologia essenziale

1995 — Hava Siegelmann dimostra il potenziale computazionale delle reti neurali ricorrenti in relazione alle macchine di Turing.
2023-2025 — Cresce l’interesse per NeuroAI, calcolo neuromorfico e architetture ispirate al cervello.
2025 — L’IEA pubblica analisi sul rapporto tra energia e intelligenza artificiale, segnalando la crescita della domanda elettrica dei data center.
8 giugno 2026 — UMass Amherst annuncia la ricerca su ANT, pubblicata su Nature Communications.

Consigli di approfondimento

• UMass Amherst — comunicato sulla ricerca ANT
• Nature Communications — articolo scientifico “Turing universal neural networks do not require global clocks”
• International Energy Agency — report “Energy and AI”
• Nature Communications — studi su NeuroAI e calcolo neuromorfico

Abstract: pro, rischi e conseguenze future

La nuova architettura ANT suggerisce che l’intelligenza artificiale possa apprendere in modo continuo consumando meno energia, con potenziali benefici per sostenibilità, robotica autonoma, dispositivi edge e riduzione della pressione sui data center. I rischi riguardano l’effetto rimbalzo: sistemi più efficienti potrebbero accelerare la diffusione pervasiva dell’IA, ampliando sorveglianza, automazione decisionale e disuguaglianze tecnologiche. Le conseguenze sociali dipenderanno dalla capacità di integrare queste innovazioni con regole su trasparenza, sicurezza, responsabilità e impatto ambientale.