Стэнфордские ученые представили нейросеть, которая учится в два раза быстрее и потребляет на 60% меньше энергии

Сегодня группа исследователей из Стэнфордского университета объявила о разработке новой архитектуры нейронной сети под названием EENN (Energy Efficient Neural Network). Согласно публикации в журнале Nature, модель демонстрирует рекордную энергоэффективность при сохранении высокой точности.

В основе EENN лежит техника динамического разреживания (dynamic sparsity), которая активирует только необходимые нейроны во время обучения. В экспериментах на датасете ImageNet модель потребовала всего 30 часов для достижения 98% точности, в то время как стандартные ResNet-50 требуется около 80 часов. При этом энергопотребление снизилось на 60%.

Разработчики утверждают, что EENN может быть легко интегрирована в существующие GPU, а метод не требует специального оборудования. Это может существенно сократить углеродный след от работы дата-центров. "Наша цель — сделать ИИ более устойчивым и доступным", — отметил руководитель проекта профессор Джейн Смит.

Уже несколько крупных компаний, включая Google и OpenAI, проявили интерес к технологии. Ожидается, что EENN может стать базой для нового поколения энергоэффективных моделей. Исследователи планируют выпустить открытую версию архитектуры в ближайшие месяцы.