Современные системы ИИ потребляют колоссальное количество энергии – только в США на их нужды уходит более 10% всей электроэнергии страны. Исследователи предложили радикально новый подход, который сокращает энергозатраты в 100 раз и при этом значительно повышает точность работы систем. Об этом сообщает издание ScienceDaily, передает Tech-news.
Кризис «прожорливости» ИИ
По данным Международного энергетического агентства, дата-центры и системы ИИ в 2024 году потребили около 415 тераватт-часов электроэнергии. Ожидается, что к 2030 году этот показатель удвоится. Гигантские вычислительные хабы, такие как Stargate от Microsoft или xAI Colossus Илона Маска, потребляют столько же энергии, сколько города среднего размера.
В ответ на этот вызов команда профессора Маттиаса Шойца разработала «нейросимволический ИИ» (Neuro-Symbolic AI) – гибридный метод, который может стать новым стандартом индустрии.
В чем суть технологии?
Традиционные модели (LLM и VLA) полагаются на «грубую силу» – перебор огромных массивов данных и метод проб и ошибок. Нейросимволическая модель сочетает в себе:
-
Нейронные сети: для обработки визуальных и языковых данных.
-
Символическое мышление: логические правила и абстрактные концепции (форма, баланс, правила физики).
Это имитирует человеческий подход к решению задач: вместо того чтобы угадывать следующее действие на основе статистики, робот «думает» логически и разбивает задачу на последовательные шаги.
Результаты тестов: скорость и точность
Исследователи протестировали систему на классической головоломке «Ханойская башня». Результаты оказались впечатляющими:
-
Успешность: Нейросимволический ИИ показал 95% успеха, тогда как стандартные модели – всего 34%.
-
Адаптивность: В новых, незнакомых условиях гибридная система справилась в 78% случаев, в то время как обычные модели провалили все попытки.
-
Время обучения: Новая система освоила задачу всего за 34 минуты. Традиционным алгоритмам потребовалось более полутора суток.
Экономия ресурсов
Главный успех разработки – резкое снижение нагрузки на инфраструктуру. Обучение нейросимволической модели потребовало лишь 1% энергии от того объема, который потребляет стандартная система. В процессе работы (эксплуатации) экономия составила 95%.
«Нынешние системы часто потребляют энергию, несоразмерную задаче. Например, ИИ-сводка в поисковике Google может тратить в 100 раз больше энергии, чем простая генерация списка ссылок», – отмечает профессор Шойц.
Путь экстенсивного роста дата-центров и бесконечного наращивания мощностей заходит в тупик. Нейросимволический подход доказывает, что будущее ИИ – не в количестве серверов, а в архитектуре, которая позволяет алгоритмам «рассуждать», а не просто предсказывать вероятности.
