A Picture is Worth a Thousand Tokens: How Vision Language Models Cut AI Energy Costs While Improving Accuracy

Stel je voor dat je een superintelligente robot probeert te leren hoe hij een lekke band bij een auto kan herkennen door naar een lange lijst met getallen te kijken. De robot is een "Large Language Model" (LLM), een type kunstmatige intelligentie dat meestal woorden en zinnen leest. Maar hier komt de crux: wanneer je het pure getallen voert, moet hij elk cijfer lezen alsof het een apart woord is. Een lijst van 381 getallen kan veranderen in 50.000 kleine "tokens" (de basisunits van data die de robot begrijpt). Het is alsof je een prachtige zonsondergang probeert te beschrijven door de kleurcode van elke pixel één voor één op te lezen. Dit proces is ongelooflijk traag, verbruikt een enorme hoeveelheid elektriciteit en verwart de robot vaak omdat de getallen geen duidelijk verhaal vertellen.

Stel je nu voor dat je, in plaats van de lijst te lezen, de robot gewoon een plaatje van de data laat zien — een eenvoudige lijngrafiek. Plotseling ziet de robot het hele plaatje in één oogopslag. Hij kan een piek of een dip direct spotten, precies zoals een mens dat zou doen. Dit is de kracht van "Vision-Language Models" (VLM's). Dit zijn AI-systemen die afbeeldingen kunnen "zien" en tekst kunnen "lezen" op hetzelfde moment. De grote vraag waar wetenschappers zich mee bezighouden is: is het de extra inspanning waard om getallen in plaatjes te veranderen? Bespaart het tonen van een grafiek energie en maakt het de AI slimmer, of is het gewoon een slim trucje? Dit artikel duikt in die vraag, specifiek kijkend naar hoe we complexe systemen monitoren, zoals mobiele netwerken, waar energiekosten en snelheid cruciaal zijn.

---

Het plaatje zegt meer dan duizend tokens (en een hoop energie)

In de wereld van telecomnetwerken gaat er de hele tijd iets mis. Een zendmast kan plotseling uitvallen, of de datasnelheden kunnen instorten. Om deze problemen op te vangen, monitoren technici "KPI's" (Key Performance Indicators) — in feite een verzameling getallen die bijhouden hoe het met het netwerk gaat. Traditioneel voeren ze deze getallen in AI-modellen om de probleemgebieden te vinden. Maar zoals de auteurs van dit artikel ontdekten, is het voeren van ruwe getallen aan een standaard tekstgebaseerde AI als proberen te drinken uit een brandslang: het is rommelig, verspillend en soms zelfs onmogelijk.

Het Problek: De "Token"-explosie
Wanneer een standaard AI een lijst met getallen leest, breekt hij deze af in kleine stukjes die "tokens" worden genoemd. De auteurs ontdekten dat een bescheiden venster aan data van slechts 8 verschillende netwerkmetingen kon exploderen tot tussen de 46.101 en 59.803 tokens. Dat is een enorme hoeveelheid data voor de AI om te verwerken. Omdat de energie die een AI verbruikt direct schaalt met hoeveel tokens hij moet lezen, is deze methode ongelooflijk duur. Het is alsof je betaalt voor een vrachtwagen om één korrel zand te vervoeren, omdat je erop stond die korrel in een miljoen aparte doosjes te verpakken.

Bovendien, bij 24 verschillende metrieken, wordt de lijst met getallen zo lang dat hij de geheugenlimieten van de meeste huidige AI-modellen overschrijdt. Het is simpelweg te veel om in één keer in het brein van de robot te passen, waardoor technici gedwongen worden de data af te kappen en potentieel het probleem te missen.

De Oplossing: Getallen veranderen in kunst
De auteurs probeerden een andere aanpak: ze stopten met het voeren van de ruwe getallen aan de AI en begonnen het voeren van plaatjes. Ze namen dezelfde data en veranderden deze in 2D-lijngrafieken (visuele plots). In plaats van 50.000 tokens te lezen, hoefde de AI alleen maar naar een paar duizend "visuele tokens" te kijken die de afbeelding vertegenwoordigen.

De resultaten waren verrassend goed. Door over te schakelen naar plaatjes bereikte het team een enorme reductie in de hoeveelheid data die de AI moest verwerken:

• Er waren 3,6 tot 10,4 keer minder tokens nodig, afhankelijk van het specifieke AI-model dat werd gebruikt.
• Dit vertaalde zich in 1,8 tot 2,5 keer minder energieverbruik per controle.

Om dat in perspectief te plaatsen: voor een telecomnetwerk dat elke 15 minuten 200 zendmasten controleert, bespaart deze overstap ongeveer 7,2 megajoule (MJ) aan energie per dag. Dat is ongeveer de hoeveelheid elektriciteit die een gemiddeld Amerikaans huishouden per dag verbruikt, bespaard door enkel de manier waarop de data aan de computer wordt getoond te veranderen.

Het gaat niet alleen om het besparen van vermogen; het gaat om slimmer zijn
Dit is het meest verrassende deel: het besparen van energie betekende niet dat de AI dommer werd. Sterker nog, hij werd beter.

• Wanneer de AI naar de plaatjes keek, was hij 220,7% nauwkeuriger in het opsporen van netwerkproblemen vergeleken met wanneer hij de tekst las.
• Hij presteerde meer dan 144% beter dan oudere, gespecialiseerde wiskundige tools (zoals LSTM en ARIMA).
• In publieke tests werd één model (Pixtral-12B) 20,6 keer efficiënter in het vinden van problemen bij het gebruik van afbeeldingen in plaats van tekst.

Waarom gebeurt dit? De auteurs suggereren dat wanneer data een lijst met getallen is, de AI al het werk moet doen om de punten met elkaar te verbinden. Maar wanneer het een plaatje is, staat de "vorm" van het probleem (zoals een plotselinge piek of een langzame daling) direct voor de neus van de AI. De AI kan het patroon direct zien, net zoals jij een lekke band bij een auto kunt zien zonder de luchtdruk in elke millimeter van het rubber te moeten meten.

De Kleine Lettertjes: Hoe ze het hebben getest
De onderzoekers hebben niet alleen geraden; ze hebben alles zorgvuldig gemeten. Ze testten drie verschillende soorten geavanceerde AI-modellen (Llama-3.2-90B, Qwen2.5-VL-72B en Pixtral-12B) met echte data van een live 4G/5G-netwerk en publieke clouddata. Ze gebruikten speciale tools om exact te meten hoeveel elektriciteit de computerchips verbruikten voor elke vraag die de AI beantwoordde.

Ze testten ook of het kleiner maken van de plaatjes (lagere resolutie) nog meer energie zou besparen. Ze ontdekten dat ze de afbeeldingen konden verkleinen tot 75 DPI (dots per inch) en nog steeds dezelfde nauwkeurigheid behaalden, wat extra 24% aan energie bespaarde. Dit is geweldig nieuws voor "edge" computing, waarbij de AI op kleinere, minder krachtige computers vlak naast de zendmasten draait, omdat die machines strikte limieten hebben wat betreft warmte en vermogen.

De Kern van het Verhaal
Dit artikel bewijst dat voor bepaalde soorten data — specifiek stromen van getallen over tijd — het omzetten van deze in plaatjes een gamechanger is. Het is niet alleen een coole visuele truc; het is een praktische technische oplossing. Door Vision-Language Models te gebruiken, kunnen we AI-systemen maken die sneller zijn, aanzienlijk minder elektriciteit verbruiken en daadwerkelijk beter zijn in het vinden van fouten dan de tekstgebaseerde systemen die we jarenlang hebben gebruikt.

Voor de toekomst van technologie, vooral op plekken zoals zendmasten waar energie kostbaar en ruimte beperkt is, suggereert dit dat de beste manier om met een computer te communiceren misschien niet met woorden of getallen is, maar met een simpel, helder plaatje.