Революционное открытие позволит в 100 раз сократить энергопотребление ИИ

Учёные под руководством Маттиаса Шойца создали гибридную нейро-символическую систему, которая потребляет в 100 раз меньше энергии и точнее решает задачи.

По оценке Международного энергетического агентства, в 2024 году ИИ-системы и центры обработки данных в США потребили около 415 тераватт-часов электроэнергии — это больше 10 процентов от всего электричества, выработанного в стране. А к 2030 году спрос может вырасти вдвое.

На этом фоне специалисты инженерной школы под руководством Маттиаса Шойца предложили технологию, которая снижает энергопотребление ИИ почти в 100 раз и при этом повышает точность.

В чём суть?

Вместо привычных больших языковых моделей (вроде ChatGPT) учёные сосредоточились на системах для роботов — visual-language-action models (VLA). Такие модели видят изображение с камеры, понимают текстовые команды и превращают это в действие: взять предмет, передвинуть, собрать конструкцию.

Проблема обычных VLA: они полагаются на статистические закономерности и обучение на огромных массивах данных. Отсюда — ошибки. Робот может перепутать тень с краем кубика и поставить деталь неправильно. Как языковая модель может «выдумать» судебные дела, так и VLA может ошибиться в простом действии.

Решение — гибридный подход. Нейро-символический ИИ сочетает нейросети с логическими правилами: форма, устойчивость, правильная последовательность действий. Система учится не просто узнавать картинки, а «думать по шагам».

Результаты тестов на задаче «Ханойская башня»:

• Новая система: 95% успеха.

• Стандартные модели: 34% успеха.

На более сложной версии задачи (с которой система раньше не сталкивалась):

• Гибридная модель: 78% успеха.

• Обычные модели: 0% (провалили все попытки).

Энергия и время:

• Обучение: 34 минуты вместо 1,5 суток.

• Затраты энергии на обучение: 1% от обычного уровня.

• Во время работы: около 5% энергии по сравнению с обычными моделями.