Naukowcy opracowali nową architekturę neuronową, która czerpie inspirację z zasad biologicznych i stawiając na minimalizację energii jako główny cel projektowania systemów AI. Badania pokazują, że neurony biologiczne działają w warunkach znacznych ograniczeń energetycznych, a ten naturalny mechanizm może być kluczem do efektywniejszych sieci neuronowych. Zespół za minAction.net przeprowadził systematyczną walidację podejścia opartego na optymalizacji energetycznej, wykazując, że można osiągnąć lepsze wyniki przy jednoczesnym zmniejszeniu zużycia mocy obliczeniowej.
Dotychczasowe modele AI, takie jak GPT czy duże modele transformatorowe, wymagają ogromnych ilości energii do trenowania i wdrażania. To nie tylko generuje wysokie koszty operacyjne, ale też stanowi znaczący problem środowiskowy w kontekście rosnącego zapotrzebowania branży na zasoby energetyczne. Inspiracja biologią może zmienić ten paradygmat - ludzki mózg wykonuje skomplikowane zadania poznawcze zużywając zaledwie około 20 watów, podczas gdy superkomputery AI pracują na skalach tysięcy razy większych. Nowe podejście minAction.net sugeruje, że dać priorytet energii nie oznacza rezygnacji z wydajności, ale raczej bardziej inteligentne projektowanie architektury.
Praktyczne znaczenie tej pracy sięga daleko poza akademię - efektywne energetycznie sieci neuronowe mogłyby umożliwić wdrażanie zaawansowanych modeli AI na urządzeniach brzegowych, takich jak smartfony czy sensory IoT, a także znacznie obniżyć koszty infrastruktury serwerów. Jeśli validacja na szerszą skalę potwierdzi obiecujące wyniki wstępne, może to wpłynąć na kierunek rozwoju całej branży AI w nadchodzących latach, zmuszając dostawców do bardziej świadomego podejścia do wykorzystania zasobów.