Stanford Üniversitesi araştırmacıları, yapay zeka sistemlerinin enerji verimliliğini artırmak için biyolojik sistemlerden ilham alan devrimsel bir yaklaşım geliştirdi. Modern makine öğrenmesi algoritmalarının sadece doğruluğu optimize ettiği, ancak enerji maliyetini göz ardı ettiği gerçeğinden yola çıkan ekip, doğanın milyarlarca yıllık evrim sürecinde geliştirdiği enerji tasarrufu stratejilerini yapay zekaya uyguladı.
Araştırma kapsamında görüntü işleme, doğal dil işleme, nöromorfik ve fizyolojik veri setleri üzerinde toplam 2.203 deney gerçekleştirildi. Her konfigürasyon için 10 farklı tohum kullanılarak faktöriyel istatistiksel analiz yapıldı. Sonuçlar, yapay zeka alanındaki yaygın düşünceyi sarsan bulgular ortaya koydu.
En çarpıcı keşif, mimarinin tek başına doğruluktaki varyansın sadece yüzde 0.1'ini açıkladığı oldu. Buna karşılık, mimari ve veri seti etkileşimi varyansın yüzde 44'ünü açıklıyordu. Bu bulgu, evrensel en iyi mimari varsayımını çürüterek, optimal mimarinin görev türüne bağlı olduğunu kanıtladı.
Araştırmacılar, L = L_CE + λ * E(θ, x) formülü ile ifade edilen tek parametreli enerji düzenlemeli hedef fonksiyonu geliştirdi. Dört büyüklük sırası boyunca yapılan lambda taraması, internal aktivasyon enerjisinin önemli ölçüde azaldığını gösterdi. Bu yaklaşım, sürdürülebilir yapay zeka gelişimi için yeni bir paradigma sunuyor.