Согласно отчету Международного энергетического агентства, в 2024 году системы искусственного интеллекта и дата-центры потребуют около 415 ТВт·ч электроэнергии, что превышает 10% от общего энергопотребления США. Ожидается, что к 2030 году этот показатель может удвоиться, подчеркивая необходимость разработки более энергоэффективных архитектур. энергетических систем энергетические системы

Предложенное решение основано на интеграции нейронных сетей с символическим уровнем, что позволяет системе разбивать задачи на подзадачи и применять логические ограничения. Это значительно уменьшает количество ошибок и время обучения.

На практике новая система, которая ориентирована на робототехнику и использует модели визуального языка-действия (VLA), показала результаты: точность выполнения задач возросла до 95%, а время обучения сократилось до 34 минут. Энергетические затраты в процессе обучения составили около 1% по сравнению с традиционными моделями, что позволяет достигать экономии до 100 раз.

Нейросимволический ИИ представляет собой перспективное направление, способствующее снижению нагрузки на энергетические системы и повышению надежности интеллектуальных систем.