Preboj pri umetni inteligenci: 34 minut učenja namesto dneva in pol
Podatkovni centri požirajo vedno več elektrike, a nova UI z logičnim sklepanjem nakazuje, da prihodnost morda ni v večji moči, temveč v boljšem razmišljanju.
Prva stran dneva
Dnevni pregled najpomembnejših zgodb doma in po svetu.
Za hitre novice, aktualne teme in zanimive vsebine izberite Svet24 za svoj prednostni vir na Googlu.
Nastavi
Ko danes vnesete vprašanje v Googlov iskalnik in dobite odgovor, ki ga napiše umetna inteligenca, ta kratek odgovor porabi stokrat več električne energije kot staro iskanje brez nje.
To ni metafora. To je meritev, ki jo navajajo raziskovalci univerze Tufts v Bostonu, ki so januarja letos objavili rešitev za enega največjih skritih problemov sodobne tehnologije.
Umetna inteligenca danes pogoltne več kot deset odstotkov vse električne energije v Združenih državah Amerike. Mednarodna agencija za energijo ocenjuje, da so sistemi umetne inteligence (UI) in podatkovni centri leta 2024 skupaj porabili 415 teravatnih ur.
Do leta 2030 se bo ta številka po napovedih podvojila. Podatkovni centri nekaterih podjetij že danes porabijo toliko elektrike kot manjša evropska mesta.
Toda ekipa profesorja Matthiasa Scheutza je razvila sistem, ki ta logiko obrne na glavo.
Ko se UI uči kot otrok, ne kot računalnik
Obstoječi veliki jezikovni modeli, kot sta ChatGPT in Gemini, delujejo po sistemu statističnega predvidevanja. Model pregleda ogromne količine podatkov in se nauči, katera beseda ali dejanje statistično verjetno sledi prejšnji.
Ta pristop zahteva ogromno računske moči in s tem električne energije, hkrati pa povzroča znane napake: halucinacije, izmišljene citate, štetje prstov na fotografijah.
Scheutzova ekipa je razvila tako imenovano nevralno-simbolično umetno inteligenco. Ta sistem kombinira nevronske mreže z logičnim simboličnim sklepanjem. Stroj se ne uči samo iz podatkov, ampak razume abstraktna pravila in kategorije, podobno kot človek razmišlja o problemu korak za korakom.
"Ti sistemi zgolj napovedujejo naslednjo besedo ali dejanje v zaporedju, kar pa je pogosto netočno in energijsko nesorazmerno z nalogo," pojasnjuje Scheutz.
Drugi pristopi k istemu problemu
Ekipa iz Tuftsa ni edina, ki išče rešitev. Industrija problem energetske lakote umetne inteligence napada z več strani hkrati.
Raziskovalci z Univerze Floride so septembra lani predstavili čip, ki za ključne operacije strojnega učenja namesto električne energije uporablja lasersko svetlobo in mikroskopske leče, kar porabo zmanjša za do stokrat, piše portal Science Daily.
Kitajska univerza Tsinghua je razvila fotonski čip z imenom Taichi, ki naloge UI opravi s tisočino energije elektronskih ekvivalentov, piše IEEE Spectrum.
Google je letos predstavil kompresijski algoritem TurboQuant, ki modelu zmanjša potrebo po pomnilniku za šestkrat. Vsak od teh pristopov reže iz druge smeri: eni varčujejo med učenjem, drugi med delovanjem, tretji pri prenosu podatkov.
Scheutzov pristop je edinstven po tem, da varčuje na vseh ravneh hkrati in pri tem izboljša točnost, ne le zniža stroške.
95 odstotkov napram 34
Raziskovalci so sistem preizkusili z eno od klasičnih nalog iz logike in robotike: igro Hanojski stolp. Robot mora premikati kolute med drogovi po točno določenih pravilih, ne da bi večji kolut položil na manjšega. Naloga zahteva načrtovanje vnaprej in jasno razumevanje pravil.
Standardni sistem umetne inteligence je nalogo opravil pravilno v 34 odstotkih poskusov. Nevralno-simbolični sistem jo je opravil v 95 odstotkih primerov. Ko so mu nato dali zahtevnejšo različico naloge, ki je med učenjem ni videl, je uspel v 78 odstotkih primerov. Standardni sistem ni uspel niti enkrat.
Učenje novega sistema je trajalo 34 minut. Konvencionalni model je za isto nalogo potreboval več kot en dan in pol.
Stokrat manj energije med učenjem
Razlika v porabi energije je osupljiva. Novi sistem je med usposabljanjem porabil eno odstotek energije, ki jo potrebuje standardni sistem VLA, torej stokrat manj. Med samim delovanjem je porabil pet odstotkov energije konvencionalnih pristopov.
Zakaj je to pomembno? Ker se danes gradi infrastruktura, ki bo napajala naslednjo generacijo robotike in avtomatizirane industrije. Vsak strežniški center, vsak robot v logistiki, vsaka avtonomna naprava bo potrebovala energijo.
Če se ta infrastruktura zgradi na neučinkovitih temeljih, bo energetska cena umetne inteligence v naslednjem desetletju postala eden ključnih omejujočih dejavnikov njenega razvoja.
Scheutzova ekipa bo rezultate predstavila maja na Mednarodni konferenci o robotiki in avtomatizaciji na Dunaju.
Preizkus doktrine, ne samo algoritma
Zanimivo je, da gre pri tem odkritju za več kot le tehničen dosežek. Gre za izziv prevladujočemu prepričanju v industriji, da je za boljšo UI potreben samo en recept: več podatkov, več parametrov, več strežnikov.
Nevralno-simbolični pristop pravi, da boljši rezultat pridemo z boljšim razmišljanjem, ne samo z večjo močjo.
To je razlika med učencem, ki memorira milijone primerov, in učencem, ki razume pravilo. Prvi porabi deset ur, drugi deset minut.
Prva stran dneva
Dnevni izbor najpomembnejših zgodb doma in po svetu, dostavljen neposredno v vaš e-poštni nabiralnik.
