隨著 AI 應用的普及，數據中心的巨大能耗已成為行業發展的瓶頸。然而，塔夫茨大學（Tufts University）的一項最新研究為這一難題帶來了曙光。研究人員開發出一種「邏輯驅動」的神經符號 AI（Neuro-symbolic AI），在大幅提升準確度的同時，將能耗降低了最高 100 倍 [1]。
結合學習與推理：神經符號 AI 的優勢
目前的 AI 系統（如大型語言模型）主要依賴於神經網絡，通過大數據訓練來預測下一個詞或動作。這種方法雖然強大，但極其耗能，且容易產生「幻覺」或不準確的結果。
塔夫茨大學開發的神經符號 AI 則採取了不同的路徑：它將神經網絡的學習能力與人類般的結構化邏輯推理相結合。這使得 AI 系統能夠像人類一樣「思考」邏輯，而不是僅僅依賴於暴力的試錯和概率預測。
驚人的節能效果
實驗數據顯示，這種新型模型在多個維度上展現了卓越的能效：
- 訓練階段： 訓練神經符號模型僅需標準系統 1% 的能量。
- 運行階段： 在實際操作中，它僅消耗傳統方法 5% 的能量。
- 綜合能效： 整體能耗最高可降低 100 倍。
研究負責人 Scheutz 教授指出，目前的 AI 搜索摘要消耗的能量可能是普通網頁列表生成的 100 倍。這種不平衡的能耗與任務產出比在長期來看是不可持續的。
邁向可持續的 AI 未來
隨著全球對計算能力的需求持續攀升，一些大型數據中心的電力需求甚至超過了小型城市的總和。塔夫茨大學的這項突破證明，通過改進 AI 的底層架構，我們可以在不犧牲性能的前提下，實現更環保、更高效的人工智能應用。
這項技術對於需要高效能、低功耗的邊緣計算（Edge Computing）和機器人領域具有重大意義，也為香港企業在導入 AI 系統時，如何平衡性能與運營成本提供了新的思考方向。