Effizientes Training für künstliche Intelligenz
Neuartige physik-basierte selbstlernende Maschinen könnten heutige künstliche neuronale Netze ersetzen und damit Energie sparen
Künstliche Intelligenz beeindruckt nicht nur durch ihre Leistung, sondern auch durch ihren Energiehunger. Und sie verbraucht umso mehr Energie, je anspruchsvoller die Aufgaben sind, für die sie trainiert wird. Víctor López-Pastor und Florian Marquardt, zwei Wissenschaftler des Max-Planck-Instituts für die Physik des Lichts (MPL) in Erlangen, präsentieren nun eine Methode, mit der sich künstliche Intelligenz deutlich effizienter trainieren lassen könnte. Sie setzen dabei auf physikalische Prozesse statt der heute verwendeten digitalen künstlichen neuronalen Netze. Ihre Erkenntnisse wurden in der Physical Review X unter „Self-Learning Machines Based on Hamiltonian Echo Backpropagation“ veröffentlicht. weiterlesen…
Forschende der 
Fast 130 Milliarden Kilowattstunden Strom verbrauchen die Haushalte in Deutschland jährlich. Den größten Anteil daran hat der Bereich Informations- und Kommunikationstechnik: Rund 28 Prozent des Stroms fließen in den Betrieb von Computern, Fernsehern, Spielkonsolen etc. Das zeigen vorläufige Zahlen aus einer
Sämtliches Geschehen im Internet wird in großen Rechenzentren verarbeitet. Das belastet die Umwelt: Bereits jetzt wächst der CO2-Ausstoß in keinem Wirtschaftsbereich weltweit schneller als in der IT. Dabei gäbe es Möglichkeiten, Rechenzentren umweltfreundlicher zu betreiben – schreibt