Das Training von neuronalen Netzen für Künstliche Intelligenz (KI) erfordert enorme Rechenressourcen und damit sehr viel Strom. Forschende der Technischen Universität München (TUM) haben eine Methode entwickelt und jetzt vorgestellt, die laut TUM hundertmal schneller, aber auch wesentlich energieeffizienter funktionieren soll, und dabei ähnlich genaue Ergebnisse wie bisherige Trainingsmethoden liefert…
Neuronale Netze effizienter trainieren
Der Clou bei dieser neuen Methode: Statt iterativ, also schrittweise vorzugehen, werden die Parameter auf Grundlage ihrer Wahrscheinlichkeit direkt aus den Daten berechnet. Die Qualität der Ergebnisse soll dabei mit den bislang üblichen iterativen Verfahren vergleichbar sein. (1)
KI-Anwendungen, wie Large Language Models (LLMs), sind aus dem Alltag nicht mehr wegzudenken. Die benötigten Rechen-, Speicher- und Übertragungskapazitäten werden dabei von Rechenzentren zur Verfügung gestellt, doch der Energieverbrauch dafür ist enorm: 2020 lag er in Deutschland bei rund 16 Milliarden Kilowattstunden – etwa ein Prozent des gesamten deutschen Strombedarfs. Für das Jahr 2025 wird ein Anstieg auf 22 Milliarden Kilowattstunden prognostiziert.
Hinzu kommt, dass in den kommenden Jahren komplexere KI-Anwendungen die Anforderungen an Rechenzentren noch einmal deutlich erhöhen werden. Diese beanspruchen für das Training von neuronalen Netzen enorme Rechenressourcen. Um dieser Entwicklung entgegenzuwirken, haben Forschende eine Methode entwickelt, die laut TUM hundertmal schneller ist und dabei vergleichbar genaue Ergebnisse liefern kann wie bisherige Trainingsmethoden. Damit sinkt der benötigte Strombedarf für das Training erheblich.
Neuronale Netze, die in der KI für Aufgaben wie Bilderkennung oder Sprachverarbeitung eingesetzt werden, sind in ihrer Funktionsweise durch das menschliche Gehirn inspiriert. Sie bestehen aus miteinander verknüpften Knoten, den sogenannten künstlichen Neuronen. Diese erhalten Eingabesignale, die dann mit bestimmten Parametern gewichtet und aufsummiert werden. Wird ein festgelegter Schwellenwert überschritten, wird das Signal an die darauf folgenden Knoten weitergegeben.
Zum Training des Netzwerks werden die Parameterwerte anfangs normalerweise zufällig gewählt, zum Beispiel in einer Normalverteilung. Sie werden dann über kleinste Änderungen angepasst, um die Netzwerkvorhersagen langsam zu verbessern. Da für diese Trainingsmethode viele Wiederholungen benötigt werden, ist sie extrem aufwendig und benötigt viel Strom.
Im Bild: Der Höchstleistungsrechner SuperMUC-NG des Leibniz-Rechenzentrums ist der achtschnellste Computer weltweit (Bildquelle / Rechte: Veronika Hohenegger, LRZ).
Parameter werden auf Grundlage ihrer Wahrscheinlichkeit ausgewählt
Felix Dietrich, Professor für Physics-enhanced Machine Learning und sein Team (2) haben nun ein neues Verfahren entwickelt. Statt die Parameter zwischen den Knotenpunkten iterativ zu bestimmen, basiert ihr Ansatz auf Wahrscheinlichkeitsberechnungen. Die hier gewählte, probabilistische Methode basiert darauf, gezielt Werte zu nutzen, die sich an kritischen Stellen der Trainingsdaten befinden. Sie fokussiert sich also auf die Stellen, an denen sich die Werte besonders stark und schnell ändern. Die aktuelle Studie zielt darauf ab, mit diesem Ansatz energieerhaltende dynamische Systeme aus Daten zu lernen. Solche Systeme verändern sich im Laufe der Zeit nach bestimmten Regeln und finden sich unter anderem in Klimamodellen oder auf dem Finanzmarkt.
Kommentar F. Dietrich: „Unsere Methode ermöglicht es, die benötigten Parameter mit minimalem Rechenaufwand zu bestimmen. Dadurch können neuronale Netze erheblich schneller und dadurch energieeffizienter trainiert werden. Darüber hinaus hat sich gezeigt, dass die neue Methode in ihrer Genauigkeit mit iterativ trainierten Netzwerken vergleichbar ist.“
(2) Prof. Felix Dietrich (Bildquelle: Technische Universität München). Prof. Dietrich ist Kernmitglied des Munich Data Science Institute (MDSI) und assoziiertes Mitglied des Munich Center for Machine Learning, MCML. Die Professur „Physics-enhanced Machine Learning“ gehört zur TUM School of Computation, Information and Technology.
Quellen / Publikationen:
Rahma, Atamert, Chinmay Datar, and Felix Dietrich, “Training Hamiltonian Neural Networks without Backpropagation”, 2024. Machine Learning and the Physical Sciences Workshop at the 38th conference on Neural Information Processing Systems (NeurIPS)
https://neurips.cc/virtual/2024/99994
Bolager, Erik L, Iryna Burak, Chinmay Datar, Qing Sun, and Felix Dietrich. 2023. “Sampling Weights of Deep Neural Networks.” In Advances in Neural Information Processing Systems, 36:63075–116. Curran Associates, Inc.
Querverweis:
Unser Beitrag > Wie KI- und HPC-Rechenzentren bei Energie- und innovativen Kühllösungen gefordert sind
Unser Beitrag > Vertiv und Compass Datacenters zum Einsatz von Flüssigkeits- und Luftkühlung für KI-Anwendungen
Unser Beitrag > KI-Forschung: NXAI veröffentlicht speichereffizientes neues xLSTM 7B Sprachmodell