Искусственный интеллект потребляет колоссальное количество электроэнергии: по данным Международного энергетического агентства, в 2024 году ИИ-системы и центры обработки данных использовали около 415 тераватт-часов — это более 10% всей электроэнергии, производимой в США. К 2030 году этот показатель может удвоиться. Однако исследователи Инженерной школы Университета Тафтса разработали принципиально новый подход, который способен сократить энергопотребление ИИ в сто раз и одновременно повысить точность его работы.
Основу разработки составляет нейросимволический искусственный интеллект — сочетание традиционных нейронных сетей с символической логикой, напоминающей человеческое мышление: система разбивает задачи на этапы и категории вместо того, чтобы действовать методом слепого перебора. Профессор Маттиас Шойц, руководящий проектом, объясняет: «Нейросимволическая модель применяет правила, которые ограничивают количество попыток в процессе обучения и позволяют найти решение значительно быстрее. Причём не только сама задача выполняется быстрее, но и время на обучение системы существенно сокращается». Работа будет представлена в июне на Международной конференции по робототехнике и автоматизации в Вене.
Для проверки эффективности учёные использовали головоломку «Ханойская башня». Нейросимволическая система решила её с точностью 95% против 34% у стандартных аналогов, а в усложнённой версии, которую модель никогда не встречала в обучении, добилась результата 78% там, где обычные системы провалились полностью. Время обучения сократилось с более чем полутора суток до 34 минут. Особенно впечатляют энергетические показатели: на этапе обучения новая система потратила лишь 1% энергии стандартной модели, а в работе — 5%. Для сравнения: по словам Шойца, сгенерированный ИИ ответ в поисковике Google потребляет в сто раз больше энергии, чем обычная выдача ссылок. Разработка публикуется в трудах конференции ICRA, сообщает SciTechDaily.