Waarom is dit belangrijk?
Zuinige rekenmethoden maken het mogelijk dat AI-systemen ook grote opdrachten afronden voordat een resultaat te laat komt bij een beslissing. Bij de training en het dagelijks gebruik van AI-modellen in datacenters bepaalt die keuze mede hoeveel elektriciteit de systemen vragen. Op school en op het werk ervaren gebruikers een kortere of langere wachttijd, maar een zwaardere methode verhoogt het energieverbruik.
Zo werkt het in de praktijk
In de logistiek plant een bedrijf als FedEx pakketroutes met rekenprogramma's. Die zoektocht duurt lang, want het aantal routes groeit. In zorg en industrie beschrijft De Gruyter lerende methoden voor taken met beperkte rekenkracht, zoals diagnose en controle in de staalproductie.
Onderzoek naar algoritmische efficiëntie aan het MIT en de ETH Zürich zoekt welke tussenstappen een planningsprogramma sneller maken. Een team filtert eerst veel rekenregels en laat een model de beste set kiezen op basis van eerdere taken. Zo probeert het programma minder opties, met dezelfde nauwkeurigheid.
Het rapport ISO/IEC TR 24372 is een overzicht van rekenmethoden voor AI. Het groepeert algoritmen naar het doel van het systeem en beschrijft hun rekenkenmerken. Gebruikers zien zo welke methode past.




