L'armée de l'air teste la puce inspirée du cerveau d'IBM en tant qu'observateur de char aérien

Satellites, avions et drones de plus en plus nombreux : l'US Air Force a de nombreux yeux électroniques dans le ciel. Il cherche maintenant à savoir si des puces informatiques inspirées du cerveau pourraient donner à ces systèmes l'intelligence nécessaire pour faire des choses comme identifier automatiquement des véhicules tels que des chars ou des systèmes anti-aériens.

L'Air Force Research Lab (AFRL) rapporte de bons résultats grâce à l'utilisation d'une puce neuromorphique fabriquée par IBM pour identifier les véhicules militaires et civils dans les images aériennes générées par radar. La puce non conventionnelle a fait le travail avec autant de précision qu'un ordinateur ordinaire à haute puissance, en utilisant moins d'un 20e de l'énergie.

L'AFRL a attribué un contrat à IBM d'une valeur de 550 000 $ en 2014 pour devenir le premier client payant de sa puce TrueNorth inspirée du cerveau. Il traite les données à l'aide d'un réseau d'un million d'éléments conçu pour imiter les neurones d'un cerveau de mammifère, reliés par 256 millions de synapses.

Ces puces sont très différentes de celles des ordinateurs existants et, pour certains problèmes, elles devraient être beaucoup plus économes en énergie (voir Thinking In Silicon ). L'armée de l'air est intéressée car cela pourrait permettre de déployer une vision artificielle avancée, qui nécessite généralement beaucoup de puissance de calcul, dans des endroits où les ressources et l'espace sont limités. Les satellites, les avions à haute altitude, les bases aériennes dépendant de générateurs et les petits drones pourraient tous en bénéficier, déclare Qing Wu, ingénieur en électronique principal de l'AFRL. Les domaines de mission de la Force aérienne sont l'air, l'espace et le cyberespace. [Tous sont] très sensibles aux contraintes de pouvoir, dit-il.

Wu a organisé des concours entre TrueNorth et un ordinateur Nvidia très puissant appelé Jetson TX-1, qui coûte environ 500 $ et est conçu pour faciliter le déploiement d'une puissante technologie d'apprentissage automatique à bord de machines telles que des voitures ou des robots mobiles.

Les ordinateurs concurrents utilisaient différentes implémentations de logiciels de traitement d'images basés sur des réseaux neuronaux pour essayer de distinguer 10 classes de véhicules militaires et civils représentés dans un ensemble de données public appelé MSTAR . Les exemples comprenaient des chars russes T-72, des véhicules blindés de transport de troupes et des bulldozers. Les deux systèmes ont atteint une précision d'environ 95 %, mais la puce IBM utilisait entre 20 et 30 fois plus de puissance.

La puce d'IBM devrait avoir un avantage en termes d'efficacité pour de telles tâches. L'ordinateur conventionnel exécutait son logiciel de réseau neuronal sur des puces avec du matériel pouvant être considéré comme à usage général, destiné à résoudre tout type de problème. Le matériel de la puce TrueNorth est codé en dur pour représenter les réseaux de neurones artificiels, avec un million de neurones physiques adaptés à la tâche.

L'une des raisons pour lesquelles l'architecture offre une meilleure efficacité est que les neurones et les synapses de la puce stockent et exploitent les données, explique Wu. Dans un système conventionnel comme ceux du Jetson TX-1, les composants qui effectuent les calculs sont séparés de la mémoire. Cela signifie que les données doivent être transférées de la mémoire au processeur pour être analysées, puis renvoyées à la mémoire pour être stockées, ce qui consomme du temps et de l'énergie.

Massimiliano Versace, qui dirige le Boston University Neuromorphics Lab et a travaillé sur une autre partie du contrat du Pentagone qui a financé les travaux d'IBM sur TrueNorth, affirme que les résultats sont prometteurs. Mais il note que la puce d'IBM est actuellement livrée avec des compromis.

Il est beaucoup plus facile de déployer des réseaux de neurones sur des ordinateurs conventionnels, grâce aux logiciels mis à disposition par Nvidia, Google et autres. Et la puce inhabituelle d'IBM est beaucoup plus chère. La facilité d'utilisation et le prix sont [les] deux principaux facteurs contre les puces neuromorphiques spécialisées, explique Versace.

Wu dit que le matériel devrait devenir beaucoup moins cher si IBM est capable d'attirer suffisamment d'intérêt pour accélérer la production. La société affirme qu'elle travaille à faciliter le développement de logiciels pour la plate-forme.

cacher