Tufts-gjennombrudd: AI 100 ganger mer energieffektiv med hjerneinspirert arkitektur

Forskere ved Tufts University har presentert en ny tilnærming til kunstig intelligens som kombinerer nevrale nettverk med menneskelig symbolbasert resonering. Gjennombruddet, annonsert 6. april 2026, kan kutte energiforbruket til AI-systemer med opptil 100 ganger, samtidig som nøyaktigheten forbedres.

Den nye metoden er basert på nevromorfisk databehandling, en arkitektur som etterligner måten den biologiske hjernen prosesserer informasjon på. I stedet for å beregne alt parallelt gjennom enorme matrisemultiplikasjoner, bruker systemet sparsomme, hendelsesdrevne beregninger, akkurat som nevroner i hjernen.

Forskerteamet demonstrerte at systemet klarte å løse komplekse fysikkligninger raskere og med langt lavere energiforbruk enn tradisjonelle GPU-baserte modeller, og i noen tester utkonkurrerte det systemer som krevde superdatakraft.

For virksomheter med AI i produksjon er dette direkte relevant. Energikostnadene til store AI-modeller er en stadig større budsjettpåkjenning. En arkitektur som leverer bedre ytelse til en brøkdel av energikostnaden kan endre de økonomiske premissene for AI-distribusjon i datasentre, i kantmiljøer og på enheter.

Tufts-resultatene er ennå ikke i kommersiell produksjon, men kan få stor innvirkning på neste generasjon AI-maskinvare de kommende to til tre årene.