HABER MERKEZİ
Yapay zeka teknolojilerinin artan enerji tüketimi, özellikle veri merkezlerinde büyük enerji harcamalarına yol açıyor.
Almanya'da 2020'de veri merkezleri 16 milyar kWh elektrik tüketti ve bu rakam 2025'te 22 milyar kWh'ye ulaşması bekleniyor.
Ancak yeni bir eğitim yöntemi, yapay zeka modellerinin eğitiminde enerji tüketimini 100 kat azaltmayı ve aynı doğruluk seviyesini korumayı vaat ediyor.
Bu yöntem, geleneksel yaklaşımlardan farklı olarak, olasılıkları kullanarak parametreleri belirliyor ve kritik noktalarda değerleri hedef alarak enerji tasarrufu sağlıyor.
OLASILIK TEMELLİ YENİ EĞİTİM YÖNTEMİ
Fizik Tabanlı Makine Öğrenimi profesörü Felix Dietrich ve ekibi, yapay zeka eğitiminde devrim yaratabilecek yeni bir yöntem geliştirdi. Geleneksel yöntemlerden farklı olarak, bu yeni yaklaşım iterasyonlarla parametreleri belirlemek yerine, olasılıkları kullanıyor.
Bu yöntem, eğitim verilerinde büyük ve hızlı değişimlerin meydana geldiği kritik noktalarda değerleri hedefleyerek çalışıyor. Araştırmacılar, bu yaklaşımı kullanarak enerji tasarrufu sağlayan dinamik sistemler elde etmeyi hedefliyor. Bu tür sistemler, zaman içinde belirli kurallara göre değişerek iklim modelleri ve finans piyasaları gibi alanlarda kullanılıyor.
DAHA AZ ENERJİYLE YÜKSEK VERİMLİLİK
"Yöntemimiz, gerekli parametreleri minimum hesaplama gücüyle belirlemeyi mümkün kılıyor. Böylece sinir ağlarının eğitimi çok daha hızlı ve enerji açısından verimli hale geliyor," diyen Felix Dietrich, aynı zamanda bu yöntemin doğruluğunun iteratif olarak eğitilmiş ağlarla kıyaslanabilir seviyede olduğunu vurguladı.
Bu yeni yaklaşım, yapay zekanın çevresel etkisini azaltarak sürdürülebilir bir teknolojiye dönüşmesine yardımcı olabilir. Uzmanlar, bu buluşun gelecekte daha geniş kapsamlı yapay zeka uygulamalarında kullanılabileceğini belirtiyor.