IBM envisage de commercialiser sa puce inspirée du cerveau

En août de l'année dernière, IBM a dévoilé une puce conçue pour faire fonctionner quelque chose comme les neurones et les synapses du cerveau (voir IBM Chip Process Data Similar to the Way Your Brain Does ). Aujourd'hui, l'entreprise a commencé à travailler sur une nouvelle génération visant à améliorer les appareils mobiles pour des tâches faciles pour le cerveau mais difficiles pour les ordinateurs, telles que la reconnaissance vocale et l'interprétation d'images.

IBM a conçu cette puce pour emprunter des principes vus à l'œuvre dans le cerveau et travaille actuellement sur une version qui pourrait rendre les appareils mobiles plus intelligents.

Nous travaillons sur une prochaine génération de puces, mais ce qui est le plus important maintenant, ce sont les partenaires commerciaux, déclare John Kelly, vice-président senior chez IBM qui supervise IBM Research et plusieurs unités commerciales, dont deux dédiées à la suite de machines Watson de l'entreprise. logiciel de renseignement. Les entreprises pourraient intégrer cela dans toutes sortes d'appareils mobiles, de machines, d'automobiles, etc.

L'ajout de puces inspirées du cerveau à des produits tels que les téléphones pourrait les rendre capables de reconnaître tout ce que disent leurs propriétaires et de suivre ce qui se passe autour d'eux, explique Kelly. Les appareils d'aujourd'hui les plus proches sont à l'écoute de certains mots-clés. Le dernier iPhone d'Apple peut être réveillé en disant Hey Siri, et certains téléphones utilisant le logiciel de Google peuvent être réveillés avec la phrase OK Google.

L'architecture de puce TrueNorth d'IBM, comme on l'appelle, a été développée dans le cadre d'un programme financé par la DARPA destiné à permettre aux ordinateurs mobiles d'exécuter des logiciels d'intelligence artificielle avancés tels que la reconnaissance d'images ou de la parole sans avoir à puiser dans l'infrastructure de cloud computing, et en utilisant très peu de puissance (voir Thinking In Silicon).

Kelly dit qu'IBM est en pourparlers avec les principaux fabricants de systèmes informatiques sur la manière dont les conceptions TrueNorth pourraient les aider, mais refuse d'en nommer. Nous parlons avec le who's who dans l'espace mobile et l'espace IoT [Internet des objets], dit-il. Une puce TrueNorth serait ajoutée aux conceptions d'appareils en tant que coprocesseur qui fonctionne aux côtés du processeur conventionnel et ne s'éteint jamais, explique Kelly.

La puce TrueNorth dévoilée en août dernier a à peu près la taille d'un timbre-poste et compte un million de neurones en silicium avec 256 millions de connexions entre eux qui sont analogues aux synapses qui relient les vrais neurones. La puce consomme plus de 1 000 fois moins d'énergie qu'un processeur conventionnel de taille similaire. IBM a démontré comment son réseau de neurones peut être programmé pour effectuer des tâches telles que la reconnaissance de différents véhicules dans des séquences vidéo en temps réel.

Cependant, comme l'architecture de la puce TrueNorth est très différente de celles des ordinateurs existants, elle nécessite de nouvelles approches pour écrire des logiciels. Et ses faux neurones fonctionnent différemment des réseaux de neurones artificiels basés sur des logiciels que des entreprises telles que Google, Facebook et Microsoft ont récemment utilisés pour faire des percées dans le traitement de la parole et des images en utilisant une méthode connue sous le nom d'apprentissage en profondeur (voir 10 Breakthrough Technologies 2013 : Deep Apprentissage ).

Les neurones de l'architecture TrueNorth d'IBM codent les données à l'aide de pointes électriques marche-arrêt, tentant d'imiter les signaux de pointe des neurones biologiques. Les neurones simulés utilisés dans l'apprentissage en profondeur n'utilisent pas de pointes.

Il n'a pas été démontré que les réseaux de neurones artificiels qui utilisent des neurones à pointes, y compris ceux d'IBM, correspondent aux performances obtenues en utilisant l'apprentissage en profondeur sur des tâches telles que la reconnaissance vocale ou le traitement d'images. Yann LeCun, qui dirige le laboratoire de recherche sur l'IA de Facebook et a aidé à lancer l'apprentissage en profondeur, a scepticisme exprimé que ce sera pratique à faire.

Dharmendra Modha, qui dirige le développement des puces d'IBM inspirées par le cerveau, rétorque que le pic est essentiel si les réseaux de neurones doivent être exécutés dans une puce à haute efficacité énergétique. Son équipe a commencé à créer des outils qui permettront de transférer des réseaux de neurones d'apprentissage en profondeur formés sur une puce TrueNorth, dit-il.

Cette puce a été envisagée comme un substrat sur lequel une grande variété de réseaux de neurones peuvent être cartographiés pour des applications en temps réel, à très faible consommation d'énergie et à très faible volume, dit-il.

Terrence Sejnowski , chef du laboratoire de neurobiologie computationnelle du Salk Institute for Biological Studies, convient que les neurones à pointes sont importants si les ordinateurs compacts doivent devenir capables de faire des choses intelligentes sans consommer d'énergie ni exploiter le cloud. Ils sont apparus dans la nature pour une raison, dit-il.

De nouvelles recherches d'un autre pionnier de l'apprentissage en profondeur, Yoshua Bengio de l'Université de Montréal, suggère que la précision de la technique pourrait être plus facile à transférer aux neurones matériels de pointe qu'on ne le pensait auparavant, dit Sejnowski. Bengio, qui collabore avec IBM sur les logiciels de langage, a publié un document préliminaire en ligne la semaine dernière montrant que modifier les neurones simulés utilisés dans l'apprentissage en profondeur de manière à les faire ressembler davantage à des neurones à pointes n'a pas nui à la précision du traitement d'image.

Même si l'architecture des puces cérébrales d'IBM se concilie avec les techniques de deep learning, elle aura de la concurrence. Google travaille déjà sur des moyens de réduire les réseaux de neurones artificiels pour qu'ils fonctionnent sur les appareils mobiles existants (voir Google App Puts Neural Networks on Your Phone). Plusieurs entreprises, dont le principal concepteur de processeurs mobiles Qualcomm, travaillent sur des conceptions de puces qui exécuteraient des logiciels d'apprentissage en profondeur existants sur des ordinateurs mobiles tels que des téléphones ou des voitures (voir Silicon Chips That See Are Going to Make Your Smartphone Brilliant ).

cacher