隨着人工智能技術的飛速發展，其對能源的需求也日益增長，數據中心的電力消耗已成為全球關注的焦點。然而，塔夫茨大學（Tufts University）的研究團隊近日帶來了一項突破性進展：他們開發出一種新型的「神經符號」（Neuro-Symbolic）人工智能系統，有望大幅緩解這一問題。
神經符號 AI：結合感知與推理
傳統的深度學習模型在處理感知任務（如圖像識別、自然語言理解）方面表現出色，但其「黑箱」特性和巨大的計算成本一直是挑戰。而符號邏輯系統則擅長推理和解釋，但缺乏從原始數據中學習的能力。塔夫茨大學的這項研究成功地將兩者結合，創造出一個既能從數據中學習，又能進行邏輯推理的混合 AI 系統。
能耗降低 100 倍，準確度不減反增
這項研究最令人振奮的成果是，該神經符號 AI 系統在保持甚至提升準確度的同時，將訓練和運行的能耗降低了驚人的 100 倍。這意味著，未來的 AI 系統將能夠以更低的碳足跡運行，同時提供更高效、更可靠的性能。這一突破對於應對氣候變化和推動可持續發展具有深遠意義。
核心總結
- 塔夫茨大學開發出新型神經符號 AI 系統。
- 該系統結合了深度學習的感知能力與符號邏輯的推理能力。
- 在保持準確度同時，將訓練和運行能耗降低 100 倍。
資料來源：ScienceDaily, Tufts University