Große KI-Systeme verbrauchen viel Energie, während das menschliche Gehirn mit nur etwa 20 Watt auskommt. Forschende der TU Graz entwickelten daher in Zusammenarbeit mit der Tsinghua University in China und dem Nationalen Forschungsrat Italiens ein KI-System, das die energieeffiziente Arbeitsweise des Gehirns nachempfindet.
Ziel ist es, eine künstliche Intelligenz zu entwickeln, die flexibel planen und komplexe Probleme lösen kann, ohne den hohen Energieverbrauch mehrschichtiger neuronaler Netze zu benötigen. Wolfgang Maass, Informatiker am Institute of Machine Learning and Neural Computation, hebt hervor: „Das Gehirn arbeitet völlig anders als heutige KI-Systeme.“
Prinzipien des Gehirns als Vorlage
Der Ansatz basiert auf drei zentralen Werkzeugen, die das Gehirn nutzt: Kognitive Karten helfen beim Orientieren und Problemlösen, während stochastisches Rechnen und kompositionelle Kodierung eine flexible Anpassung der KI ermöglichen.
Das Grazer Modell kann komplexe Probleme lösen, indem es alternative Lösungen durchdenkt, ohne alle Schritte vollständig zu berechnen. Dieser Ansatz führt zur Energieersparnis, weil Zwischenlösungen geprüft und genutzt werden, um schrittweise ans Ziel zu gelangen.
Erste Tests
Getestet wurde das Modell an drei Aufgaben: Navigation in der Zweidimensionalität, Orientierung in einem mehrdimensionalen Raum und dem Zusammensetzen komplexer zweidimensionaler Silhouetten. Die Forschungsergebnisse wurden in „Nature Machine Intelligence“ veröffentlicht.
Wolfgang Maass erklärt: „Unsere Arbeit zeigt, dass leistungsfähige KI nicht zwangsläufig riesige Rechenzentren und enormen Energieverbrauch benötigt.“ Das Potenzial des Modells liege in Anwendungen für Roboter, autonome Fahrzeuge und Edge-Geräte mit begrenzten Energieressourcen.