Große und tiefe neuronale Netze, wie sie etwa in der Bildklassifikation (z. B. Gesichts- und Objekterkennung) gebraucht werden, verbrauchen sehr viel Energie. Forscher des Instituts für Grundlagen der Informationsverarbeitung der TU Graz haben nun eine Methode entwickelt, mit der solche Netze energiesparend entworfen werden können.
Der Informatiker Wolfgang Maass und sein Doktorand Christoph Stöckl ließen sich dabei vom menschlichen Gehirn inspirieren, in dem wesentlich weniger Signale zwischen den Neuronenschichten ausgetauscht werden als in künstlichen Netzen. Die geringere Frequenz senkt den Energieverbrauch. Mit der neuen Methode der beiden Forscher lassen sich dennoch ausreichend Informationen zwischen den Schichten weitergeben, weil hier auch die Anzahl der Signale pro Zeiteinheit und die Pausen zwischen den Signalen Informationen kodieren. Das funktioniert ähnlich wie beim Morsecode. Die Erkennungsleistung der neuen, energiesparenden Netze soll dabei annähernd so gut sein, wie bei herkömmlichen Netzen. Die Ergebnisse könnten die Entwicklung von energieeffizienter KI-Anwendungen drastisch beschleunigen und werden unter anderem im Journal Nature Machine Intelligence beschrieben.
