Специалисты Технического университета Мюнхена (TUM) разработали метод обучения нейронных сетей, позволяющий сократить энергопотребление в 100 раз без потери точности. Об их разработке рассказало издание TechXplore. Обучение искусственного интеллекта требует значительных вычислительных ресурсов, что приводит к высокому энергопотреблению дата-центров. В Германии еще в 2020 году затраты на работу центров составляли 1% от всего энергопотребления страны. Новый метод, предложенный командой TUM, использует вероятностный подход для определения параметров между узлами нейронной сети – если обычно ИИ необходимо множество итераций, чтобы подобрать нужные параметры, то теперь бесполезные варианты будут «отсекаться» заранее и не тратить ресурсы. Немецкие ученые подчеркнули, что предложенный метод позволяет не только повысить энергоэффективность обучения нейросетей, но и ускорить этот процесс. Ранее исследователи нашли способ обмануть ИИ с помощью оптических иллюзий.