Neue Methode zur Reduzierung des Stromverbrauchs bei KI-Training

MÜNCHEN (IT BOLTWISE) – Die Technische Universität München hat eine bahnbrechende Methode entwickelt, die den Stromverbrauch beim Training von Künstlicher Intelligenz drastisch reduziert. Diese Innovation könnte die Art und Weise, wie neuronale Netze trainiert werden, grundlegend verändern.

Die Technische Universität München hat eine neue Methode entwickelt, die den Stromverbrauch beim Training von Künstlicher Intelligenz erheblich senkt. Diese Methode, die speziell für neuronale Netze konzipiert wurde, ist nicht nur hundertmal schneller, sondern auch deutlich energieeffizienter als herkömmliche Verfahren. Neuronale Netze, die für Aufgaben wie Bilderkennung und Sprachverarbeitung eingesetzt werden, benötigen normalerweise immense Rechenressourcen, was zu einem hohen Energieverbrauch führt.

Traditionell werden die Parameter von neuronalen Netzen iterativ angepasst, was viele Wiederholungen und damit viel Energie erfordert. Die neue Methode der TUM basiert jedoch auf Wahrscheinlichkeitsberechnungen, die es ermöglichen, die Parameter direkt aus den Daten abzuleiten. Diese probabilistische Herangehensweise fokussiert sich auf kritische Stellen in den Trainingsdaten, an denen sich die Werte besonders stark ändern, und ermöglicht so eine schnellere und effizientere Anpassung der Netzwerke.

Der Energieverbrauch von Rechenzentren, die KI-Anwendungen unterstützen, ist enorm. Allein in Deutschland lag der Verbrauch im Jahr 2020 bei rund 16 Milliarden Kilowattstunden, mit einer Prognose von 22 Milliarden Kilowattstunden bis 2025. Diese Entwicklung unterstreicht die Notwendigkeit energieeffizienter Lösungen, wie sie die TUM nun bietet. Die neue Methode könnte den Strombedarf für das Training von neuronalen Netzen erheblich senken und somit auch die Betriebskosten von Rechenzentren reduzieren.

Felix Dietrich, Professor für Physics-enhanced Machine Learning an der TUM, betont, dass die neue Methode nicht nur energieeffizienter, sondern auch in ihrer Genauigkeit mit herkömmlichen Verfahren vergleichbar ist. Dies eröffnet neue Möglichkeiten für die Anwendung von KI in Bereichen, die bisher aufgrund hoher Energiekosten eingeschränkt waren, wie etwa in der Klimamodellierung oder auf dem Finanzmarkt.

Die Entwicklung dieser Methode ist ein bedeutender Schritt in Richtung nachhaltiger KI-Technologien. Sie zeigt, dass es möglich ist, die Leistungsfähigkeit von KI zu steigern, ohne dabei die Umwelt zu belasten. In Zukunft könnten solche Innovationen dazu beitragen, die Akzeptanz und Verbreitung von KI-Anwendungen weiter zu erhöhen, insbesondere in Industrien, die auf energieintensive Prozesse angewiesen sind.

Die TUM hat mit ihrer Forschung einen wichtigen Beitrag zur Reduzierung des ökologischen Fußabdrucks von KI geleistet. Diese Fortschritte könnten auch andere Forschungseinrichtungen und Unternehmen dazu inspirieren, ähnliche Ansätze zu verfolgen und so die Nachhaltigkeit in der Technologiebranche insgesamt zu verbessern.

Zu den Top-Stories!

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!

Angebot

1.928 Bewertungen

EIlik - Ein Desktop-Begleitroboter mit emotionaler Intelligenz, Multi-Roboter-Interaktionen, Desktop-Robotik-Partner

• NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.

169,00 EUR

Bei Amazon kaufen