人工智能新突破：耗电量降为百分之一，准确率反而更高

当前人工智能，尤其是大语言模型（如ChatGPT）和视觉-语言-动作（VLA）机器人模型，面临两大突出问题：一是依赖海量数据和反复试错，导致训练与运行能耗极高，甚至超过小型城市用电量；二是容易出错——比如把积木搭塌、生成虚假法律案例或画出多手指的图片，这类‘幻觉’源于纯统计预测的固有缺陷。为此，工程学院Matthias Scheutz教授团队开发了‘神经符号AI’系统：它不是只靠数据找规律，而是融合神经网络（擅长感知学习）与符号推理（擅长逻辑、规则、抽象概念，如形状、平衡），模仿人类‘先分步、再归类、后行动’的思维方式。在经典‘汉诺塔’拼图测试中，该系统成功率高达95%（传统模型仅34%），面对未见过的复杂变体仍达78%成功率（传统模型0%）；训练时间从1.5天以上缩短至34分钟；训练能耗仅为传统VLA系统的1%，运行能耗仅5%。研究者指出，现有主流AI就像不断猜测下一个词或动作，效率低、易失真、耗能巨大——例如谷歌搜索页顶的AI摘要，耗能可能比生成整页网站列表还高百倍。长远看，单纯扩大算力不可持续；而神经符号AI通过‘学习+推理’双轨机制，有望成为更高效、更可靠、更节能的下一代AI基础。