Výzkumníci z Fakulty inženýrství Tufts University vyvinuli hybridní systém umělé inteligence, který kombinuje neuronové sítě se symbolickým uvažováním. Systém snižuje spotřebu energie až o 99 % a zároveň výrazně překonává konvenční přístupy. Tým vedený profesorem Matthiasem Scheutzem prokázal, že jejich neurosymbolická metoda zkrátila dobu trénování z více než 36 hodin na pouhých 34 minut a spotřebovala pouze 1 % energie při trénování a 5 % při provozu ve srovnání se standardními AI modely.

Při testování na úloze Hanojských věží dosáhl hybridní systém 95% úspěšnosti, zatímco tradiční modely zvládly pouze 34 %. U neznámých variací úlohy byl rozdíl ještě výraznější — neurosymbolický systém vyřešil 78 % nových scénářů, zatímco konvenční AI modely zcela selhaly. Klíčová inovace spočívá ve spojení statistického rozpoznávání vzorů s abstraktním uvažováním založeným na pravidlech, což systému umožňuje zobecňovat daleko za hranice trénovacích dat.

Průlom přichází v kritickém okamžiku. Podle Mezinárodní agentury pro energii spotřebovaly systémy AI a datová centra v roce 2024 přibližně 415 terawatthodin elektřiny a poptávka nadále roste. Výzkum bude prezentován na Mezinárodní konferenci o robotice a automatizaci ve Vídni v květnu 2026.