Intelligence Artificielle Économe en Énergie : Un Nouveau Jour avec les Ordinateurs Neuromorphes

Le domaine en pleine croissance de l’intelligence artificielle (IA) est réputé pour ses performances, mais cela se fait au prix d’un coût énergétique considérable. Une approche novatrice, proposée par deux scientifiques de premier plan de l’Institut Max Planck pour la science de la lumière à Erlangen, en Allemagne, vise à former l’IA de manière plus efficace, ce qui pourrait potentiellement révolutionner la façon dont l’IA traite les données.

Les modèles d’IA actuels consomment d’énormes quantités d’énergie lors de leur formation. Même si les chiffres précis sont difficiles à obtenir, les estimations de Statista suggèrent que la formation de GPT-3 nécessite environ 1000 mégawattheures – l’équivalent de la consommation annuelle de 200 ménages allemands de taille importante. Même si cette formation énergivore a affiné GPT-3 pour prédire les séquences de mots, il y a un consensus sur le fait qu’il n’a pas compris les significations inhérentes à ces phrases.

Ordinateurs Neuromorphes : Fusion du Cerveau et de la Machine

Alors que les systèmes d’IA conventionnels s’appuient sur des réseaux de neurones artificiels numériques, l’avenir pourrait résider dans les ordinateurs neuromorphes. Florian Marquardt, directeur de l’Institut Max Planck et professeur à l’Université d’Erlangen, a expliqué le désavantage des configurations d’IA traditionnelles.

“Le transfert de données entre le processeur et la mémoire consomme seul une quantité considérable d’énergie”, a souligné Marquardt, notant les inefficacités lors de la formation de vastes réseaux de neurones.

Les ordinateurs neuromorphes s’inspirent du cerveau humain, traitant les données en parallèle plutôt que de manière séquentielle. Essentiellement, les synapses du cerveau fonctionnent à la fois comme processeur et mémoire. Les systèmes qui imitent ces caractéristiques, tels que les circuits photoniques utilisant la lumière pour les calculs, sont actuellement explorés.

Formation de l’IA avec des Machines Physiques Auto-Apprenantes

Travaillant aux côtés de l’étudiant en doctorat Víctor López-Pastor, Marquardt a introduit une méthode de formation innovante pour les ordinateurs neuromorphes. Leur “machine physique auto-apprenante” optimise fondamentalement ses paramètres via un processus physique inhérent, ce qui rend les commentaires externes superflus. “Le fait de ne pas nécessiter ces commentaires rend la formation beaucoup plus efficace”, a souligné Marquardt, suggérant que cette méthode permettrait d’économiser à la fois de l’énergie et du temps de calcul.

Cependant, cette technique révolutionnaire a des exigences spécifiques. Le processus doit être réversible, garantissant une perte d’énergie minimale, et suffisamment complexe ou non linéaire. “Seuls les processus non linéaires peuvent exécuter les transformations complexes entre les données d’entrée et les résultats”, a déclaré Marquardt, établissant une distinction entre les actions linéaires et non linéaires.

Vers une Mise en Œuvre Pratique

Les travaux théoriques du duo s’alignent sur des applications pratiques. En collaboration avec une équipe expérimentale, ils améliorent un ordinateur neuromorphe optique qui traite les informations en utilisant des ondes lumineuses superposées. Leur objectif est clair : concrétiser le concept de machine physique auto-apprenante.

“Nous espérons présenter la première machine physique auto-apprenante dans trois ans”, a prévu Marquardt, indiquant que ces réseaux futurs géreraient plus de données et seraient formés avec des ensembles de données plus importants que les systèmes actuels. Compte tenu de la demande croissante pour l’IA et des inefficacités inhérentes aux configurations actuelles, le passage à des ordinateurs neuromorphes formés de manière efficace semble à la fois inévitable et prometteur.

En termes de Marquardt, “Nous sommes convaincus que les machines physiques auto-apprenantes ont de solides chances dans l’évolution continue de l’intelligence artificielle.” La communauté scientifique et les enthousiastes de l’IA attendent avec impatience ce que l’avenir réserve.