Les nano-aimants peuvent choisir un vin, et pourraient étancher la soif d'énergie de l'IA
Un nouveau type de réseau neuronal a réussi un test de dégustation de vin virtuel et promet une version moins gourmande en énergie de l'intelligence artificielle.
Le cerveau humain traite des quantités d'informations. Lorsque les amateurs de vin goûtent un nouveau vin, les réseaux neuronaux de leur cerveau traitent une multitude de données à chaque gorgée. Les synapses de leurs neurones s'activent, évaluant l'importance de chaque donnée - acidité, fruité, amertume - avant de la transmettre à la couche suivante de neurones du réseau. Au fur et à mesure que l'information circule, le cerveau identifie le type de vin.
En analysant les différentes caractéristiques des vins, telles que l'acidité, le fruité et l'amertume (représentées par des flacons de couleur sur la gauche), un nouveau système d'IA (au centre) a réussi à déterminer de quel type de vin il s'agissait (à droite). Le système d'IA est basé sur des dispositifs magnétiques appelés "jonctions tunnel magnétiques", et a été conçu et construit par des chercheurs du NIST, de l'université du Maryland et de Western Digital.
J. McClelland/NIST
Les scientifiques veulent que les systèmes d'intelligence artificielle (IA) soient également des connaisseurs de données sophistiqués. Ils conçoivent donc des versions informatiques des réseaux neuronaux pour traiter et analyser les informations. L'IA rattrape le cerveau humain dans de nombreuses tâches, mais consomme généralement beaucoup plus d'énergie pour faire les mêmes choses. Notre cerveau effectue ces calculs en consommant une moyenne estimée à 20 watts d'énergie. Un système d'IA peut utiliser des milliers de fois ce chiffre. Ce matériel peut également prendre du retard, ce qui rend l'IA plus lente, moins efficace et moins performante que notre cerveau. Un vaste champ de recherche sur l'IA cherche des alternatives moins gourmandes en énergie.
Dans une étude publiée dans la revue Physical Review Applied, des scientifiques du National Institute of Standards and Technology (NIST) et leurs collaborateurs ont mis au point un nouveau type de matériel pour l'IA, qui pourrait consommer moins d'énergie et fonctionner plus rapidement - et qui a déjà passé avec succès un test de dégustation de vin virtuel.
Comme pour les systèmes informatiques traditionnels, l'IA comprend à la fois des circuits matériels physiques et des logiciels. Le matériel des systèmes d'IA contient souvent un grand nombre de puces en silicium conventionnelles qui, dans leur ensemble, sont assoiffées d'énergie : La formation d'un processeur de langage naturel commercial de pointe, par exemple, consomme environ 190 mégawattheures (MWh) d'énergie électrique, soit à peu près la quantité utilisée par 16 personnes aux États-Unis en une année entière. Et ce, avant que l'IA n'effectue une journée de travail sur la tâche pour laquelle elle a été formée.
Une approche moins énergivore consisterait à utiliser d'autres types de matériel pour créer les réseaux neuronaux de l'IA, et les équipes de recherche sont à la recherche d'alternatives. Un dispositif prometteur est la jonction tunnel magnétique (MTJ), qui permet d'effectuer le type de calculs utilisés par un réseau neuronal et ne nécessite que quelques gorgées d'énergie. D'autres dispositifs novateurs basés sur les MTJ ont montré qu'ils utilisaient plusieurs fois moins d'énergie que leurs homologues matériels traditionnels. Les MTJ peuvent également fonctionner plus rapidement parce qu'ils stockent les données à l'endroit même où ils effectuent leurs calculs, contrairement aux puces classiques qui stockent les données ailleurs. Le meilleur de tous, c'est que les MTJ sont déjà importantes sur le plan commercial. Ils ont servi de têtes de lecture-écriture dans les disques durs pendant des années et sont aujourd'hui utilisés comme nouvelles mémoires informatiques.
Bien que les chercheurs soient convaincus de l'efficacité énergétique des MTJ au vu de leurs performances passées dans les disques durs et autres dispositifs, la consommation d'énergie n'était pas l'objectif de cette étude. Ils avaient besoin de savoir en premier lieu si un réseau de MTJ pouvait même fonctionner comme un réseau neuronal. Pour le savoir, ils l'ont soumis à une dégustation virtuelle.
Les scientifiques du programme Hardware for AI du NIST et leurs collègues de l'université du Maryland ont fabriqué et programmé un réseau neuronal très simple à partir de MTJ fournis par leurs collaborateurs du centre de recherche de Western Digital à San Jose, en Californie.
Comme tout connaisseur de vin, le système d'IA devait entraîner son palais virtuel. L'équipe a entraîné le réseau en utilisant 148 des vins d'un ensemble de 178 vins issus de trois types de raisins. Chaque vin virtuel présentait 13 caractéristiques à prendre en compte, telles que le degré d'alcool, la couleur, les flavonoïdes, les cendres, l'alcalinité et le magnésium. Une valeur comprise entre 0 et 1 a été attribuée à chaque caractéristique afin que le réseau puisse en tenir compte pour distinguer un vin des autres.
"Il s'agit d'une dégustation de vin virtuelle, mais la dégustation est effectuée par un équipement analytique qui est plus efficace mais moins amusant que de le goûter soi-même", a déclaré Brian Hoskins, physicien au NIST.
Le système a ensuite été soumis à un test de dégustation virtuelle de vin sur l'ensemble des données, qui comprenait 30 vins qu'il n'avait jamais vus auparavant. Le système a réussi avec un taux de réussite de 95,3 %. Sur les 30 vins sur lesquels il n'avait pas été entraîné, il n'a commis que deux erreurs. Les chercheurs ont considéré cela comme un bon signe.
"Obtenir 95,3 % nous indique que cela fonctionne", a déclaré Jabez McClelland, physicien au NIST.
L'objectif n'est pas de construire une IA sommelier. Ce premier succès montre plutôt qu'un réseau de dispositifs MTJ pourrait être mis à l'échelle et utilisé pour construire de nouveaux systèmes d'IA. Bien que la quantité d'énergie utilisée par un système d'IA dépende de ses composants, l'utilisation de MTJ comme synapses pourrait réduire radicalement sa consommation d'énergie de moitié, voire plus, ce qui pourrait permettre de réduire la consommation d'énergie dans des applications telles que les vêtements "intelligents", les drones miniatures ou les capteurs qui traitent les données à la source.
"Il est probable que des économies d'énergie significatives par rapport aux approches logicielles classiques seront réalisées en mettant en œuvre de grands réseaux neuronaux utilisant ce type de matrice", a déclaré M. McClelland.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Autres actualités du département science
Recevez les dernières actualités du secteur de l'alimentation et des boissons
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie alimentaire et des boissons vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
