Un système électronique inspiré du cerveau pourrait réduire considérablement l’empreinte carbone de l’IA –

  • FrançaisFrançais



  • L’intelligence artificielle extrêmement économe en énergie est maintenant plus proche de la réalité après qu’une étude menée par des chercheurs de l’UCL a trouvé un moyen d’améliorer la précision d’un système informatique inspiré du cerveau.

    Le système, qui utilise des memristors pour créer des réseaux de neurones artificiels, est au moins 1000 fois plus économe en énergie que le matériel d’IA conventionnel à transistors, mais a jusqu’à présent été plus sujet aux erreurs.

    L’IA existante est extrêmement gourmande en énergie – la formation d’un modèle d’IA peut générer 284 tonnes de dioxyde de carbone, ce qui équivaut aux émissions à vie de cinq voitures. Le remplacement des transistors qui composent tous les appareils numériques par des memristors, un nouvel appareil électronique construit pour la première fois en 2008, pourrait réduire cela à une fraction de tonne de dioxyde de carbone, ce qui équivaut aux émissions générées en un après-midi de route.

    Étant donné que les memristors sont tellement plus écoénergétiques que les systèmes informatiques existants, ils peuvent potentiellement contenir d’énormes quantités de puissance de calcul dans des appareils portables, éliminant ainsi le besoin d’être connecté à Internet.

    Cela est d’autant plus important que la dépendance excessive à Internet devrait devenir problématique à l’avenir en raison de la demande de données toujours croissante et des difficultés d’augmenter la capacité de transmission de données au-delà d’un certain point.

    Dans la nouvelle étude, publiée dans Communications de la nature, les ingénieurs de l’UCL ont constaté que la précision pouvait être grandement améliorée en faisant travailler les memristors dans plusieurs sous-groupes de réseaux neuronaux et en faisant la moyenne de leurs calculs, ce qui signifie que les failles de chacun des réseaux pourraient être annulées.

    Les memristors, décrits comme des “résistances avec mémoire”, car ils se souviennent de la quantité de charge électrique qui les traversait même après avoir été éteints, étaient considérés comme révolutionnaires lors de leur construction il y a plus de dix ans, un “chaînon manquant” en électronique pour compléter la résistance, le condensateur et l’inductance. Ils ont depuis été fabriqués commercialement dans des dispositifs de mémoire, mais l’équipe de recherche affirme qu’ils pourraient être utilisés pour développer des systèmes d’IA dans les trois prochaines années.

    Les Memristors offrent une efficacité considérablement améliorée car ils fonctionnent non seulement dans un code binaire de uns et de zéros, mais à plusieurs niveaux entre zéro et un en même temps, ce qui signifie que plus d’informations peuvent être regroupées dans chaque bit.

    De plus, les memristors sont souvent décrits comme une forme informatique neuromorphique (inspirée du cerveau) car, comme dans le cerveau, le traitement et la mémoire sont implémentés dans les mêmes blocs de construction adaptatifs, contrairement aux systèmes informatiques actuels qui gaspillent beaucoup d’énergie dans les données. mouvement.

    Dans l’étude, le Dr Adnan Mehonic, le doctorant Dovydas Joksas (à la fois UCL Electronic & Electrical Engineering), et des collègues du Royaume-Uni et des États-Unis ont testé la nouvelle approche dans plusieurs types différents de memristors et ont constaté qu’elle améliorait la précision de tous. , quel que soit le matériau ou la technologie particulière du memristor. Cela a également fonctionné pour un certain nombre de problèmes différents qui peuvent affecter la précision des memristors.

    Les chercheurs ont constaté que leur approche augmentait la précision des réseaux de neurones pour les tâches d’IA typiques à un niveau comparable à celui des outils logiciels exécutés sur du matériel numérique conventionnel.

    Le Dr Mehonic, directeur de l’étude, a déclaré: «Nous espérions qu’il pourrait y avoir des approches plus génériques qui améliorent non pas le niveau de l’appareil, mais le comportement au niveau du système, et nous pensons en avoir trouvé une. Notre approche montre que, quand il s’agit de pour les memristors, plusieurs têtes valent mieux qu’une. Organiser le réseau neuronal en plusieurs réseaux plus petits plutôt qu’en un seul grand réseau a conduit à une plus grande précision globale. “

    Dovydas Joksas a en outre expliqué: “Nous avons emprunté une technique populaire de l’informatique et l’avons appliquée dans le contexte des memristors. Et cela a fonctionné! En utilisant des simulations préliminaires, nous avons constaté que même une simple moyenne pouvait augmenter considérablement la précision des réseaux neuronaux mémristifs.”

    Le professeur Tony Kenyon (UCL Electronic & Electrical Engineering), co-auteur de l’étude, a ajouté: «Nous pensons que le moment est venu pour les memristors, sur lesquels nous travaillons depuis plusieurs années, de jouer un rôle de premier plan dans une – ère durable des appareils IoT et de l’informatique de pointe. “

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée.