Команда исследователей из Школы инженерии Университета Тафтса под руководством профессора Маттиаса Шейтца совершила прорыв в области энергоэффективного искусственного интеллекта. Учёные разработали нейросимволическую систему, которая сочетает традиционные нейронные сети с символическим логическим рассуждением — подходом, имитирующим человеческое мышление. Результаты исследования показали снижение энергопотребления в 100 раз по сравнению с конвенциональными моделями при одновременном повышении точности.
В основе системы лежит принципиально иной подход к обучению роботов. Стандартные модели визуально-языкового действия (VLA) полагаются на метод проб и ошибок, требуя колоссальных вычислительных ресурсов. Нейросимволический подход, напротив, разбивает задачи на логические шаги и применяет правила, что радикально сокращает время обучения. На стандартном тесте «Ханойская башня» система достигла 95% успешности, тогда как лучшая VLA-модель показала лишь 34%. На усложнённой версии задачи, которую система ранее не видела, точность составила 78% — стандартные модели полностью провалились.
«Нейросимволическая VLA может применять правила, которые ограничивают метод проб и ошибок во время обучения, и находить решения значительно быстрее», — объяснил Маттиас Шейтц, профессор семьи Кароль в области прикладных технологий. Обучение нейросимволической системы занимает всего 34 минуты, тогда как стандартная VLA-модель требует более 36 часов — полтора дня непрерывных вычислений. При этом на обучение расходуется лишь 1% энергии, а при выполнении задач — 5% от потребления обычных систем.
Исследование приобретает особую значимость на фоне стремительного роста энергопотребления ИИ. По данным учёных, дата-центры и системы искусственного интеллекта в США уже потребляют около 415 тераватт-часов электроэнергии в год, что составляет более 10% общенационального энергопотребления. По прогнозам, этот показатель удвоится к 2030 году. Нейросимволический подход может стать ключом к решению этой нарастающей проблемы, предлагая путь к созданию мощных, но экономичных систем ИИ.
Для индустрии робототехники и промышленной автоматизации результаты исследования открывают принципиально новые возможности. Энергоэффективные системы ИИ позволят развернуть интеллектуальных роботов в условиях, где доступ к электроэнергии ограничен — от удалённых складов до аварийно-спасательных операций. Снижение затрат на обучение в десятки раз делает технологию доступной для средних и малых предприятий, которые ранее не могли позволить себе разработку собственных ИИ-решений.
Работа будет представлена на Международной конференции по робототехнике и автоматизации в Вене в июне 2026 года. Авторы исследования — Тимоти Дагган, Пьеррик Лоранг, Хонг Лу и Маттиас Шейтц — уже опубликовали препринт на arXiv. Если нейросимволический подход подтвердит свою эффективность в более широком спектре задач, он может фундаментально изменить архитектуру будущих систем ИИ, сделав их не только умнее, но и радикально экономичнее.
