Nowa metoda AI obniża zużycie energii stukrotnie, zwiększając dokładność

Mądrzejszy sposób myślenia

W miarę jak sztuczna inteligencja pochłania coraz większą część światowej energii elektrycznej, zespół z Tufts University zaprezentował fundamentalnie odmienne podejście, które mogłoby obniżyć zużycie energii przez AI nawet stukrotnie – jednocześnie realnie zwiększając dokładność systemów. Badania, prowadzone przez profesora Matthiasa Scheutza i opublikowane na arXiv w lutym 2026 roku, zostaną zaprezentowane na Międzynarodowej Konferencji Robotyki i Automatyki w Wiedniu w maju tego roku.

Przełom opiera się na neuro-symbolicznej AI, hybrydowej metodzie, która łączy konwencjonalne sieci neuronowe z rozumowaniem symbolicznym zbliżonym do ludzkiego. Zamiast uczyć się wyłącznie poprzez brutalne dopasowywanie wzorców na milionach przykładów, system stosuje reguły logiczne, abstrakcyjne koncepcje, takie jak kształt i równowaga, oraz uporządkowane, krok po kroku planowanie – podobnie jak ludzie rozwiązują problemy.

Dramatyczne wyniki

Naukowcy przetestowali swój system na łamigłówce Wieża Hanoi, klasycznym benchmarku rozwiązywania problemów, który wymaga starannego planowania sekwencyjnego. Wyniki były uderzające:

• System neuro-symboliczny osiągnął 95% wskaźnik sukcesu, w porównaniu z zaledwie 34% dla standardowego modelu wizyjno-językowo-akcyjnego (VLA).
• W bardziej złożonym, wcześniej niewidzianym wariancie, uzyskał 78% – podczas gdy konwencjonalny model osiągnął 0%.
• Trening zajął zaledwie 34 minuty, w porównaniu z ponad 36 godzinami dla standardowego podejścia.
• Zużycie energii podczas treningu spadło do około 1% zużycia konwencjonalnego modelu, a zużycie energii operacyjnej spadło do około 5%.

„Neuro-symboliczny VLA może stosować reguły, które ograniczają metodę prób i błędów podczas uczenia się i znacznie szybciej dochodzić do rozwiązań” – powiedział Scheutz.

Dlaczego to ma teraz znaczenie

Trudno o bardziej odpowiedni moment. Według Międzynarodowej Agencji Energetycznej, systemy AI i centra danych zużyły w Stanach Zjednoczonych w 2024 roku około 415 terawatogodzin energii elektrycznej – ponad 10% całkowitej produkcji krajowej – a oczekuje się, że liczba ta podwoi się do 2030 roku.

Świat korporacyjny już ściga się o zabezpieczenie dostaw energii. W styczniu 2026 roku gigant energetyczny Vistra Corp zgodził się przejąć flotę elektrowni gazowych Cogentrix Energy za około 4 miliardy dolarów, dodając 5,5 gigawatów mocy wytwórczej w Nowej Anglii, Teksasie i sieci rozciągającej się od New Jersey do Chicago. Umowa, która obejmuje 2,3 miliarda dolarów w gotówce i 5 milionów akcji Vistra, podkreśla, jak nienasycony apetyt AI na energię elektryczną przekształca sektor energetyczny.

AI wkracza do apteki

Tymczasem AI wkracza na terytorium niegdyś zarezerwowane wyłącznie dla ludzkich profesjonalistów. Utah stało się pierwszym stanem w USA, który zezwolił systemowi AI na autonomiczne odnawianie recept lekarskich, współpracując z platformą zdrowotną Doctronic w rocznym programie pilotażowym. System obsługuje 30-, 60- lub 90-dniowe uzupełnienia dla 190 powszechnie przepisywanych leków w cenie 4 dolarów za odnowienie – bez konieczności wizyty u lekarza.

Wbudowane są zabezpieczenia: leki przeciwbólowe, iniekcje i leki na ADHD są wykluczone, a pierwsze 250 recept w każdej klasie leków wymaga weryfikacji przez lekarza przed samodzielnym działaniem AI. Kilka innych stanów, w tym Teksas i Arizona, prowadzi rozmowy, aby pójść w ślady Utah.

Efektywność jako droga naprzód

Wszystkie te wydarzenia razem wzięte rysują obraz branży na rozdrożu. Możliwości AI stale rozszerzają się na opiekę zdrowotną, robotykę i podejmowanie decyzji – ale rośnie również jej wpływ na środowisko. Przełomy, takie jak neuro-symboliczne podejście Tufts, sugerują, że surowa moc obliczeniowa może nie być jedyną drogą naprzód. Inteligentniejsze architektury, które rozumują, a nie tylko kalkulują, mogą być kluczem do uczynienia AI zrównoważoną w skali globalnej.