Un algorithme résout des tâches d’apprentissage complexes avec une efficacité énergétique extrême

Une équipe de recherche interdisciplinaire a réalisé des progrès importants dans le développement d’une machine capable de traiter l’information avec la même efficacité que le cerveau humain, un objectif longtemps recherché dans le domaine de l’intelligence artificielle. L’équipe de l’Université de Heidelberg en Allemagne et de l’Université de Berne en Suisse a été dirigée par le Dr Mihai Petrovici.

Les résultats de la recherche ont été publiés dans la revue Nature Machine Intelligence.

Réseaux de neurones artificiels inspirés de la biologie

L’équipe s’est tournée vers les réseaux de neurones artificiels inspirés de la biologie pour relever ce défi. Les réseaux de neurones à impulsions simulent la structure et la fonction d’un système nerveux naturel, et ils sont considérés comme des candidats prometteurs en raison de leurs caractéristiques qui les rendent puissants, rapides et économes en énergie. L’un des principaux défis a été de former de tels systèmes complexes, et l’équipe est maintenant proche de réussir à le faire avec l’algorithme nouvellement mis en œuvre.

Les neurones du cerveau transmettent l’information en utilisant de courtes impulsions électriques, appelées impulsions. Ces impulsions sont déclenchées lorsque un certain seuil de stimulus est dépassé. L’échange d’informations est fortement impacté à la fois par la fréquence à laquelle un seul neurone produit des impulsions et par la séquence temporelle des impulsions individuelles.

Julian Göltz est un candidat au doctorat dans le groupe de recherche.

“La principale différence entre les réseaux de neurones biologiques et les réseaux de neurones artificiels est que, parce qu’ils utilisent un traitement d’information basé sur les impulsions, ils peuvent résoudre des tâches complexes telles que la reconnaissance et la classification d’images avec une efficacité énergétique extrême”, déclare Göltz.

Atteindre son plein potentiel

Le cerveau humain et les réseaux de neurones artificiels à impulsions nécessitent que les neurones individuels soient correctement connectés les uns aux autres pour atteindre leur plein potentiel. C’est pourquoi les chercheurs devaient découvrir comment les systèmes inspirés du cerveau, ou les systèmes neuromorphes, peuvent être ajustés pour traiter correctement les entrées basées sur les impulsions.

Laura Kriener est un autre membre de l’équipe de recherche.

“Cette question est fondamentale pour le développement de réseaux artificiels puissants basés sur des modèles biologiques”, déclare Kriener.

Des algorithmes spéciaux doivent être utilisés pour garantir que les neurones dans un réseau de neurones à impulsions se déclenchent au bon moment, et ces algorithmes ajustent les connexions entre les neurones afin que le réseau puisse effectuer les tâches requises. Cette tâche peut être, par exemple, la classification d’images avec une grande précision.

C’est le type d’algorithme que l’équipe a développé.

“En utilisant cette approche, nous pouvons former des réseaux de neurones à impulsions pour coder et transmettre l’information exclusivement en utilisant des impulsions uniques. Ils produisent ainsi les résultats souhaités de manière particulièrement rapide et efficace”, explique Göltz.

Les chercheurs ont également réussi à mettre en œuvre un réseau de neurones formé avec cet algorithme sur une plate-forme physique. La plate-forme était la plate-forme matériellement neuromorphe BrainScaleS-2 développée à l’Université de Heidelberg.

Les chercheurs affirment que le système BrainScaleS traite l’information jusqu’à mille fois plus vite que le cerveau humain, tout en nécessitant beaucoup moins d’énergie que les systèmes informatiques conventionnels.

Le système fait partie du projet européen Human Brain. Le projet intègre des technologies telles que l’informatique neuromorphe dans une plate-forme ouverte appelée EBRAINS.

“Cependant, notre travail n’est pas seulement intéressant pour l’informatique neuromorphe et le matériel inspiré de la biologie. Il reconnaît également la demande de la communauté scientifique de transférer les approches d’apprentissage profond vers les neurosciences et de dévoiler ainsi davantage les secrets du cerveau humain”, déclare le Dr Petrovici.