AI пробив: нов подход намалява енергопотреблението 100 пъти и повишава точността

Изкуственият интелект консумира огромно количество електроенергия. Според данни на Международната енергийна агенция, през 2024 гoдина AI системите и центровете за данни са консумирали около 415 тераватчаса. Това представлява над 10% от общото производство на електроенергия в САЩ, като се очаква търсенето да се удвои до 2030 година.

В отговор на това изследователи от Инженерния факултет към Университета Тъфтс създадоха експериментална система с изкуствен интелект, която може да бъде много по-ефективна. Техният подход може да намали потреблението на енергия до 100 пъти, като същевременно повиши производителността.

Хибридният подход, наречен невросимволен AI се разработва в лабораторията на професор Матиас Шойц. Той съчетава традиционните невронни мрежи със символни разсъждения, имитирайки начина, по който хората решават задачи, разбивайки ги на стъпки и категории. За разлика от големите езикови модели (LLM), екипът се е съсредоточил върху AI системи за роботика – VLA (vision-language-action) модели. Те разширяват възможностите на LLM, добавяйки зрение и физическо движение.

Обичайните VLA системи разчитат на данни и обучение чрез проби и грешки, което често води до проблеми. Символното разсъждение използва правила и абстрактни понятия, като форма и баланс, което позволява на системата да планира по-ефективно.

Изследователите тестваха системата си върху класическата пъзел задача „Кулата на Ханой“. Невросимволният VLA постигна успех в 95% от случаите, в сравнение с 34% при стандартните системи. При по-сложната версия на пъзела хибридната система все пак постигна успех в 78% от случаите, докато традиционните модели се проваляха всеки път.

Времето за обучение се съкрати драстично: новата система усвои задачата само за 34 минути, докато на обичайните модели им бяха необходими повече от ден и половина. Консумацията на енергия също се е понижила драстично. Обучението на невросимволния модел е изисквало едва 1% от енергията на стандартната VLA система. По време на работа тя е използвала само 5% от енергията, необходима на традиционните подходи.
Шойц сравни тази неефективност с ежедневните AI инструменти:

„Например, когато търсите нещо в Google, AI резюмето в горната част на страницата консумира до 100 пъти повече енергия, отколкото генерирането на списък с уебсайтове“.

Изследователите смятат, че настоящите подходи, базирани на LLM и VLA могат да се окажат неустойчиви в дългосрочен план. Невросимволният AI, съчетаващ обучение със структурирани разсъждения, може да осигури по-ефективна и надеждна основа за бъдещите AI системи.

Този пробив е важна стъпка към устойчивото развитие на AI. Ако подобни хибридни подходи успеят да бъдат мащабирани, това може значително да намали екологичния отпечатък на индустрията и да отвори пътя за по-широко внедряване на AI в устройства с ограничени ресурси, например в роботи или носима електроника.