Об этом сообщает «Politexpert» со ссылкой на SciTechDaily
Современные технологии искусственного интеллекта требуют огромных вычислительных мощностей, а значит, и колоссальных затрат энергии. С каждым годом эта потребность только растет, загружая дата-центры и увеличивая нагрузку на энергосистему. Однако новое открытие может изменить эту тенденцию, предложив метод обучения, который ускоряет процесс в сотни раз без ущерба для точности.
Традиционные методы требуют многочисленных итераций для настройки нейросетей, что требует значительных ресурсов. Исследователи нашли иной подход — вместо бесконечного перебора параметров они используют вероятностные вычисления. Такая стратегия помогает сразу задействовать наиболее значимые данные, устраняя лишние вычисления. Это похоже на поиск кратчайшего пути в лабиринте: вместо долгого перебора всех вариантов система моментально находит оптимальное решение.
Этот прорыв вдохновлен процессами, происходящими в природе. Например, динамика финансовых рынков или изменения климата развиваются по похожим принципам. Новый метод позволяет системам адаптироваться к изменениям мгновенно, а не тратить недели на обучение. Это не просто ускоряет работу нейросетей, но и делает их более энергоэффективными, что особенно важно для устойчивого развития технологий.
В результате разработанная модель потребляет в десятки раз меньше энергии, а ее точность не уступает традиционным алгоритмам. Этот подход может радикально снизить нагрузку на вычислительные центры, что особенно актуально в эпоху бурного роста ИИ. В будущем эта технология может сделать искусственный интеллект более доступным и экологичным, а его обучение — молниеносным.
Напомним, ранее мы писали о том, что ученые впервые увидели движение атомов с помощью искусственного интеллекта.
Комментировать