Energiesparende KI nach Vorbild des Gehirns

Große KI-Systeme verbrauchen im Training wie auch in der Anwendung viel Energie. Das menschliche Gehirn ist weitaus energieeffizienter: Es kommt mit nur rund 20 Watt aus. Ein vom Gehirn inspiriertes KI-Modell wird von Forschenden der TU Graz gemeinsam mit internationalen Partnern entwickelt. Es soll flexibel planen und komplexe Probleme lösen können und dabei weniger Energie als mehrschichtige neuronale Netze oder große Sprachmodelle verbrauchen, teilte die TU Graz mit.

"Das Gehirn arbeitet völlig anders als heutige KI-Systeme", betonte Wolfgang Maass vom Institute of Machine Learning and Neural Computation der TU Graz. Dort versucht man, die Prinzipien der Informationsverarbeitung im menschlichen Gehirn in Algorithmen zu übersetzen. Das Ziel: Eine KI, die flexibel planen, komplexe Probleme lösen und dabei energiesparend arbeiten kann.

"Wir stehen noch relativ am Anfang unserer Entwicklung, aber unsere Arbeit zeigt, dass leistungsfähige KI nicht zwangsläufig riesige Rechenzentren und enormen Energieverbrauch benötigt", wie der Informatiker und Mathematiker hervorhob.

Aus Sicht von Wolfgang Maass und seinem Kollegen Yukun Yang sind es drei zentrale Werkzeuge, die das menschliche Gehirn beim Planen und Problemlösen anwendet: Kognitive Karten, stochastisches Rechnen und kompositionelle Codierung.

Die Übersetzung dieser Mechanismen in Algorithmen erlaube es dem Grazer KI-Modell, sich mögliche Ansätze zur Lösung komplexer Probleme vorzustellen und auszuprobieren, ohne sie vollständig bis zur Lösung durchzurechnen. Dadurch ergibt sich auch die Energieeffizienz. Weist ein zufällig gewählter Zwischenschritt in Richtung des avisierten Ziels - hier gibt die kognitive Karte dem System die nötige Orientierung vor - wird dieser Weg weiterverfolgt. Auf seiner neuen Position prüft das System erneut verschiedene Handlungsoptionen und kommt so - wie ein Wanderer - dem Ziel Schritt für Schritt näher.

Die Fähigkeiten ihrer gehirninspirierten KI haben die Forschenden bereits anhand von drei Aufgaben erfolgreich getestet: Die Navigation in der Zweidimensionalität, die Orientierung in einem abstrakten mehrdimensionalen Raum und das Zusammensetzen und Zerlegen einer aus verschiedenen Teilen bestehenden zweidimensionalen Silhouette. Die Ergebnisse haben sie in der jüngsten Ausgabe von "Nature Machine Intelligence" veröffentlicht.

Die Forschenden betonten, dass ihr Ansatz nicht in Konkurrenz zu aktuellen großen Sprachmodellen zu sehen sei, sondern als Grundlage für einen alternativen Ansatz bei bestimmten Anwendungen sein kann. "Wir stehen noch relativ am Anfang unserer Entwicklung", sagt Wolfgang Maass. "Aber unsere Arbeit zeigt, dass leistungsfähige KI nicht zwangsläufig riesige Rechenzentren und enormen Energieverbrauch benötigt."