Výzkumníci z inženýrské fakulty Univerzity Tufts vyvinuli neurosymbolický systém umělé inteligence, který snižuje spotřebu energie až stokrát oproti konvenčním modelům a zároveň téměř ztrojnásobuje úspěšnost úloh. Tým profesora Matthiase Scheutze spojil tradiční neuronové sítě se symbolickým, pravidlovým uvažováním a vytvořil systém, který napodobuje lidské řešení problémů rozdělením na logické kroky.
Průlom se zaměřuje na modely vizuálního jazyka a akce (VLA) používané v robotice, nikoliv na velké jazykové modely jako ChatGPT. Při testech pomocí Hanojských věží dosáhl neurosymbolický systém 95% úspěšnosti oproti pouhým 34 % u standardních VLA modelů. Trénink trval pouhých 34 minut oproti více než 36 hodinám u konvenčních přístupů a spotřeboval pouze 1 % energie.
Zjištění přicházejí v době, kdy datová centra pro AI spotřebovávají tolik elektřiny jako malá města a globální energetická poptávka AI se má do roku 2028 zdvojnásobit. Výzkum bude prezentován na Mezinárodní konferenci robotiky a automatizace ve Vídni v květnu.
