Прорыв в области искусственного интеллекта: новый подход снижает энергопотребление в 100 раз и повышает точность

Искусственный интеллект потребляет огромное количество электроэнергии. По данным Международного энергетического агентства, в 2024 году системы искусственного интеллекта и центры обработки данных потребляли около 415 тераватт-часов. Это составляет более 10% от общего объема производства электроэнергии в США, при этом ожидается, что к 2030 году спрос удвоится.

В ответ исследователи из Инженерной школы Университета Тафтса создали экспериментальную систему искусственного интеллекта, которая могла бы быть гораздо более эффективной. Их подход может снизить потребление энергии до 100 раз при одновременном повышении производительности.

Гибридный подход, получивший название нейросимволический ИИ, разрабатывается в лаборатории профессора Матиаса Шойца. Он сочетает в себе традиционные нейронные сети с символическим мышлением, имитируя способ решения задач людьми, разбивая их на этапы и категории. В отличие от больших языковых моделей (Магистр права), команда сосредоточилась на системах искусственного интеллекта для робототехники – VLA (видение-язык-действие) модели. Они расширяют возможности LLM, добавляя зрение и физическое движение.

Обычные системы VLA полагаются на данные и обучение методом проб и ошибок, что часто приводит к проблемам. Символическое рассуждение использует правила и абстрактные понятия, такие как форма и баланс, что позволяет системе планировать более эффективно.

Исследователи протестировали свою систему на классической головоломке Ханойской башни. Нейросимволическая VLA была успешной в 95% случаев по сравнению с 34% при использовании стандартных систем. В более сложной версии головоломки гибридная система все же удалась в 78 процентах случаев, в то время как традиционные модели каждый раз терпели неудачу.

Время обучения резко сократилось: новая система справилась с задачей всего за 34 минуты, тогда как обычным моделям требовалось более полутора суток. Потребление энергии также резко сократилось. Для обучения нейросимволической модели потребовалось всего 1% энергии стандартной системы VLA. Во время работы он использовал только 5% энергии, необходимой при традиционных подходах.
Шойц сравнил эту неэффективность с повседневными инструментами искусственного интеллекта:

«Например, когда вы ищете что-то в Google, сводка ИИ в верхней части страницы потребляет до 100 раз больше энергии, чем создание списка веб-сайтов».

Исследователи полагают, что нынешние подходы, основанные на LLM и VLA, могут оказаться нежизнеспособными в долгосрочной перспективе. Нейросимволический ИИ, сочетающий обучение со структурированным мышлением, может обеспечить более эффективную и надежную основу для будущих систем ИИ.

Этот прорыв является важным шагом на пути к устойчивому развитию искусственного интеллекта. Если такие гибридные подходы удастся масштабировать, это может значительно уменьшить воздействие отрасли на окружающую среду и проложить путь к более широкому внедрению искусственного интеллекта в устройствах с ограниченными ресурсами, таких как роботы или носимая электроника.