Исследователи из Университета Цинхуа в Китае разработали новый подход к обработке данных в искусственных нейросетях, который имитирует принципы работы человеческого мозга. Эта технология, основанная на так называемых спайковых нейронных сетях, позволяет значительно сократить объём вычислений и, как следствие, энергозатраты при выполнении задач машинного обучения.
В отличие от традиционных нейросетей, где нейроны постоянно активны и обрабатывают информацию в виде непрерывных числовых значений, спайковые сети активируют нейроны только в ответ на определённые стимулы — подобно тому, как это происходит в биологических системах. Такой подход снижает частоту вычислений и позволяет устройствам работать дольше без подзарядки.
По данным авторов исследования, их метод позволяет сократить энергопотребление на 95 % по сравнению с обычными архитектурами ИИ при сохранении высокой точности распознавания. Это особенно важно для мобильных устройств, дронов и других систем с ограниченными ресурсами, где критически важна энергоэффективность.
Технология всё ещё находится на стадии лабораторных испытаний, однако её потенциал уже привлек внимание специалистов в области устойчивого развития искусственного интеллекта. Учёные надеются, что внедрение подобных решений позволит уменьшить углеродный след, связанный с растущим использованием ИИ в промышленности и повседневной жизни.
Энергия мысли — новый ориентир для «зелёного» ИИ
