une-IA-économe-en-énergie-détecte-les-malformations-cardiaques

Les chercheurs du CWI Bojian Yin et Sander Bohté, ainsi que leur collègue Federico Corradi de Stichting Interuniversitair Micro-Elektronica Centrum (IMEC) à Eindhoven, ont réalisé une percée mathématique dans le calcul des réseaux de neurones à impulsions.

Grâce à cette avancée, des puces spéciales adaptées à cette intelligence artificielle (IA) peuvent reconnaître les gestes et les électrocardiogrammes (ECG) avec un facteur de vingt à mille plus d’efficacité que les techniques d’IA traditionnelles. Ces puces sont sur le point d’être utilisées dans la vie quotidienne.

Économie d’énergie

Au cours de la dernière décennie, l’IA a gagné de plus en plus d’applications quotidiennes, notamment pour la reconnaissance des images. Pour ce faire, on utilise des réseaux neuronaux profonds, qui sont des imitations très simplifiées de la façon dont le cerveau humain traite les informations. Cependant pour les applications mobiles l’exécution des modèles d’IA actuels consomment souvent trop d’énergie. Le développement d’une IA à faible consommation est donc devenu de plus en plus important.

Une façon de rendre les applications d’IA plus efficaces sur le plan énergétique est de rendre les réseaux neuronaux plus semblables à ceux du cerveau humain. Les réseaux neuronaux classiques utilisent des signaux qui sont continus et faciles à traiter mathématiquement.

Les réseaux de neurones à impulsions calculent par impulsions, ce qui ressemble beaucoup plus à ce qui se passe dans le cerveau et nécessite moins d’énergie, mais présente l’inconvénient que les signaux sont discontinus et plus difficiles à traiter mathématiquement. Cependant, Bohté et ses deux coauteurs ont trouvé une solution mathématique à ce problème.

« Nous avons testé notre algorithme informatique sur trois points de référence », explique M. Bohté. « Ces repères consistent en des jeux de tests d’une dizaine de gestes et d’un signal ECG continu. Notre algorithme est au moins aussi performant mais beaucoup plus économe en énergie que les réseaux neuronaux profonds traditionnels. En théorie, nous gagnons un facteur de cent à mille. »

Pour les malformations cardiaques

Pour utiliser des algorithmes comme celui de Bohté dans des applications quotidiennes, des puces informatiques neuromorphiques spéciales sont nécessaires. L’architecture de ces puces ressemble davantage à l’architecture biologique du cerveau humain qu’à celle des puces informatiques traditionnelles.

Bohté explique que « sur la base de nos algorithmes, notre partenaire de recherche, l’IMEC, a fabriqué une puce neuromorphique spéciale dotée de 336 neurones à impulsions : la puce μBrain. Si nous exécutons notre algorithme sur cette puce spéciale, nous gagnons un facteur 20 en consommation d’énergie.

Par rapport au gain énergétique théorique, le gain énergétique dans la pratique est toujours plus faible à cause de la conversion des signaux numériques en signaux analogiques et vice versa, et à cause de la lecture des données. Mais un gain d’énergie de 20 fois est tout de même énorme. Pour la détection des malformations cardiaques, cela signifie que l’on peut implanter une puce d’enregistrement d’ECG et qu’elle fonctionnera pendant un an avec une seule batterie. »

Les puces neuromorphiques

Dans les années à venir, les puces neuromorphiques contiendront de plus en plus de neurones à impulsions, ce qui élargira encore les possibilités d’application de l’intelligence artificielle dans les puces portables. Par exemple, fin septembre, le fabricant américain de puces Intel a produit la puce neuromorphique Loihi 2, qui contient déjà un million de neurones à impulsions.

Cette recherche a été publiée dans Nature Machine Intelligence.

Source : CWI Bojian
Crédit photo : StockPhotoSecrets