-
Effiziente KI: Wie neue Modelle die Token-Kosten und RAM-Preise senken könnten
- Lineare statt quadratische Komplexität
- Begrenztes Kontextfenster
- Das LSTM schlägt zurück
- Fazit
Die experimentellen Chatbots von einst entwickeln sich zu mächtigen KI-Agenten, mit schier unermesslichem Ressourcenbedarf und -verbrauch: mehr Trainingsdaten, mehr Grafikkarten, mehr RAM, mehr Tokens. Die Rechnung zahlt der Kunde, denn abgerechnet wird mittlerweile nach Tokenverbrauch. Und auch der Rest der Welt leidet unter der Knappheit wichtiger Komponenten und steigenden Preisen – nebst drohenden Verteilungskämpfen um Wasser und Elektrizität. Doch dass generative KI so enorm viel Rechenleistung benötigt, ist kein Naturgesetz. Vielmehr liegt es am zentralen Baustein der Sprachmodellarchitektur: dem Aufmerksamkeits- beziehungsweise Attention-Mechanismus.
Dieses äußerst rechenintensive Verfahren ist nicht nur hauptverantwortlich für den immensen Energiehunger von generativer KI, sondern bildet mittlerweile auch einen spürbaren Engpass, gegen den selbst die Nvidias dieser Welt mit all ihren Grafikkarten nur schwer ankommen. Der eingesetzte Attention-Mechanismus begrenzt die mögliche Kontextlänge – also die Menge an Inhalten, die ein Sprachmodell bei einer Aufgabe verarbeiten kann.
- Moderne Sprachmodelle basieren fast durchweg auf Transformer-Architekturen, deren Attention-Mechanismus enorme Rechenressourcen benötigt.
- Entwickler von alternativen Ansätzen wie xLSTM und Kimi Linear versuchen, den Aufwand zu reduzieren, indem sie ein effizienteres Gedächtnis konstruieren.
- Sie könnten sich zunächst dort etablieren, wo Rechenleistung knapp ist: in der Industrie und der Robotik.
Die Etablierten wie OpenAI & Co. ziehen sich mit Rechentricks aus der Affäre, während Start-ups und Forscher nach verbesserten oder alternativen Architekturen suchen – mit Erfolg: Die einst in Siri und Alexa verwendeten, aber für umfangreiche Texte ungeeigneten Long-Short-Term-Memory-Netze (LSTMs) feiern in einer modernisierten Extended-Version namens xLSTM ein Comeback. Auf dessen unter Leitung von KI-Pionier Sepp Hochreiter entwickelten, effizienten Gedächtnisfunktionen baut auch die Transformer-Variante Kimi Linear aus den Laboren des chinesischen Start-ups Moonshot AI auf. Beide Modellformen verringern den Rechenaufwand im Vergleich zum ursprünglichen Aufmerksamkeitsalgorithmus drastisch. Wir erklären, wie ihnen das gelingt – und ob die Tage des mit Milliarden an Investorengeldern gepushten Transformers deshalb gezählt sind.
Das war die Leseprobe unseres heise-Plus-Artikels "Effiziente KI: Wie neue Modelle die Token-Kosten und RAM-Preise senken könnten". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.
