A Scoping Review of Methods to Measure the Energy and Carbon Footprint of Web Tracking and Advertising

Ogni volta che visitate un sito web, un'economia nascosta di scambio di dati avviene in background. Mentre leggete un articolo o guardate un video, script invisibili sono in esecuzione per tracciare il vostro comportamento, costruire un profilo dei vostri interessi e fornire pubblicità mirata. Questo sistema, spesso chiamato ecosistema ad-tech, è il modo principale in cui molti servizi online gratuiti guadagnano denaro. Tuttavia, catturare, archiviare ed elaborare questa enorme quantità di dati degli utenti richiede una potenza di calcolo significativa. Quella potenza proviene dall'elettricità, e la generazione di tale elettricità produce spesso emissioni di carbonio. Con la crescita di Internet, cresce anche la sua impronta ambientale, sollevando una domanda difficile per i ricercatori: quanta di quell'energia viene effettivamente spesa solo per gli annunci e il tracciamento, piuttosto che per il contenuto che state cercando di vedere?

Un team di ricercatori dell'Università di Toronto ha deciso di rispondere a questo quesito esaminando la letteratura scientifica esistente. Non stavano conducendo un nuovo esperimento essi stessi, ma stavano invece mappando il panorama di come altri scienziati abbiano cercato di misurare questo specifico costo ambientale. Hanno scoperto che il campo è ancora giovane e frammentato. Gli studi che hanno esaminato sono sparsi tra diverse discipline, utilizzano parole diverse per descrivere gli stessi processi e strumenti diversi per misurare le stesse cose. Per dare un senso a tutto ciò, gli autori hanno raccolto 15 studi chiave da un pool iniziale di 46 candidati e li hanno organizzati in cinque metodi distinti che i ricercatori utilizzano per isolare il costo energetico del tracciamento web e della pubblicità.

L'approccio più comune, utilizzato nella maggior parte degli studi, è chiamato ad blocking (blocco degli annunci). In questo metodo, i ricercatori visitano una lista di siti popolari due volte: una con un browser standard e una con un ad blocker attivo. Confrontando l'energia utilizzata in entrambi gli scenari, possono calcolare la differenza causata specificamente dagli annunci e dai tracker. Alcuni ricercatori utilizzano estensioni del browser per bloccare gli annunci, mentre altri utilizzano funzioni integrate nel browser o bloccano persino le richieste a livello di rete. Per ottenere questi numeri, utilizzano spesso software che legge l'uso del processore del computer o il consumo della batteria, o in alcuni casi, collegano un voltmetro fisico al dispositivo per misurare l'elettricità che fluisce nell'hardware. Questo metodo è pratico perché può essere eseguito su un normale computer, ma si basa sull'assunto che l'unica cosa che cambi tra le due visite sia la presenza degli annunci.

Un secondo gruppo di ricercatori adotta un approccio più controllato ricreando i siti web in un ambiente di laboratorio. Inveve di visitare siti reali sulla rete aperta, scaricano le pagine e rimuovono essi stessi gli annunci e gli script di tracciamento, creando una versione pulita del sito. Successivamente servono queste versioni localmente su un server che controllano, assicurandosi che nessuna variabile esterna interferisca con il test. In una variazione di questo metodo, i ricercatori hanno costruito un sito web da zero e hanno aggiunto diversi numeri di strumenti di tracciamento ad esso, osservando come il consumo di energia aumentasse con ogni aggiunta. Ciò offre un alto grado di controllo sull'esperimento, permettendo agli scienziati di vedere esattamente quanta energia consumi un singolo tracker, sebbene possa non riflettere perfettamente la realtà caotica del web reale.

Un terzo metodo, più insolito, consiste nel riprodurre singoli annunci pubblicitari. Uno studio ha raccolto migliaia di annunci dal web e ha creato un sistema per visualizzarli uno alla volta su una pagina bianca del browser. Misurando l'energia necessaria per caricare un singolo annuncio rispetto a una base di una pagina vuota, i ricercatori hanno potuto determinare il costo di rendering di quel particolare annuncio. Hanno poi utilizzato questi dati per addestrare un modello informatico capace di prevedere il costo energetico di altri annunci in base alle loro caratteristiche. Questa tecnica permette un'analisi granulare del costo dei singoli elementi pubblicitari, ma richiede una quantità massiccia di raccolta dati manuale per costruire la libreria iniziale di annunci.

Il quarto approccio guarda al flusso di dati stesso piuttosto che al dispositivo che lo visualizza. Inveve di misurare lo schermo del computer, questi ricercatori analizzano il traffico di rete che si muove tra l'utente e Internet. Esaminano i pacchetti di dati inviati e ricevuti, cercando di identificare quali parti dello stream di dati appartengano agli annunci e ai cookie di tracciamento. Sommando il volume totale di questo traffico specifico, possono stimare l'energia necessaria per spostare quei dati attraverso Internet. Tuttavia, gli autori di questa revisione notano un difetto significativo in questo metodo: il semplice fatto di sapere quanto dato viene trasferito non dice automaticamente quanta energia sia stata usata per elaborarlo, poiché la relazione tra dimensione dei dati e consumo di energia è complessa e non ancora pienamente compresa.

Il quinto metodo si affida interamente a numeri esistenti piuttosto che a nuove misurazioni. I ricercatori che utilizzano questo approccio prendono cifre e coefficienti da altri studi pubblicati — come il costo energetico medio per spostare un gigabyte di dati o l'intensità di carbonio della rete elettrica — e li applicano alle stime di quanto dato generi la pubblicità. Ciò consente calcoli ampi e su larga scala senza dover eseguire alcun esperimento o raccogliere nuovi dati. Sebbene sia il modo più accessibile per ottenere una stima approssimativa, la sua accuratezza dipende interamente dalla qualità e dalla rilevanza dei numeri originali che prende in prestito.

La revisione rivela che il campo sta appena iniziando a trovare la propria strada. L'ottanta per cento degli studi analizzati è stato pubblicato negli ultimi cinque anni, indicando un rapido aumento dell'interesse man mano che la crisi ambientale si approfondisce. Nonostante questa crescita, i ricercatori hanno scoperto che gli studi raramente dialogano tra loro. Diversi team utilizzano termini differenti per gli stessi concetti e spesso non costruiscono sulle scoperte altrui. Ad esempio, uno studio ha scoperto che la dimensione dei dati trasferiti per un annuncio non predice necessariamente l'energia necessaria per visualizzarlo, un risultato che sfida le assunzioni fatte da altri studi che si affidano al volume dei dati per stimare l'uso di energia.

Attualmente, non esiste un unico metodo standard su cui tutti concordino. La maggior parte della ricerca si concentra su ciò che accade sul dispositivo dell'utente, lasciando un grande vuoto nella nostra comprensione dell'energia consumata dai massicci data center che memorizzano ed elaborano queste informazioni. Poiché queste infrastrutture aziendali sono opache e difficili da accedere, i ricercatori hanno dovuto fare affidamento su metodi indiretti o simulazioni controllate. Gli autori suggeriscono che il lavoro futuro debba sviluppare modi migliori per misurare l'energia utilizzata in questi data center e creare un linguaggio condiviso affinché gli scienziati di diversi campi possano confrontare accuratamente i propri risultati. Fino ad allora, abbiamo un mosaico di metodi che offrono scorci sul costo ambientale dell'economia digitale, ma nessun quadro completo.