Стрімке зростання використання штучного інтелекту вже створює серйозне навантаження на енергетику. За даними Міжнародного енергетичного агентства, лише у США дата-центри та системи ШІ у 2024 році спожили близько 415 терават-годин електроенергії. Тобто понад 10% від загального виробництва. До 2030 року цей показник може подвоїтися.
На цьому тлі дослідники з Університету Тафтса запропонували альтернативний підхід, який може радикально змінити ситуацію. Йдеться про нейросимволічний штучний інтелект – гібридну модель, що поєднує нейронні мережі з логічними правилами. У лабораторії професора Маттіаса Шойца заявляють, що така система здатна використовувати до 100 разів менше енергії під час навчання.
Нейросимволічний ШІ
На відміну від класичних моделей, які покладаються на статистику і великі обсяги даних, новий підхід додає елементи мислення. Тобто розбиває задачі на етапи та узагальнює подібні процеси. Це дозволяє скоротити кількість спроб і помилок та швидше знаходити рішення.
У тестах нейросимволічна система показала значно кращі результати. У задачі “Вежа Ханоя” вона досягла 95% успішності проти 34% у традиційних моделей. Навіть у складніших умовах, які не входили до навчання, система зберегла 78% точності, тоді як стандартні підходи повністю провалилися.
Різниця помітна і в ресурсах. Навчання нової моделі тривало лише 34 хвилини, тоді як звичайній системі потрібно понад півтора дня. Споживання енергії під час навчання скоротилося до 1% від рівня традиційних моделей.