Pourquoi une puce qui est mauvaise en mathématiques peut aider les ordinateurs à résoudre des problèmes plus difficiles

Votre prof de maths vous a menti. Parfois, se tromper de calcul est une bonne chose.

C'est ce que dit Joseph Bates, cofondateur et PDG de Singular Computing, une société dont les puces informatiques sont câblées pour être incapables d'effectuer correctement des calculs mathématiques. Demandez-lui d'ajouter 1 et 1 et vous obtiendrez des réponses comme 2,01 ou 1,98.

L'agence de recherche du Pentagone DARPA a financé la création de la puce de Singular parce que ce flou peut être un atout lorsqu'il s'agit de certains des problèmes les plus difficiles pour les ordinateurs, comme donner un sens à la vidéo ou à d'autres données désordonnées du monde réel. Ce n'est pas parce que le matériel est nul que le résultat du logiciel doit l'être, dit Bates.

Une puce qui ne peut pas garantir que chaque calcul est parfait peut toujours obtenir de bons résultats sur de nombreux problèmes, mais nécessite moins de circuits et consomme moins d'énergie, dit-il.

Bates a travaillé avec le Sandia National Lab, l'Université Carnegie Mellon, l'Office of Naval Research et le MIT sur des tests utilisant des simulations pour montrer comment les opérations inexactes de la puce S1 pourraient rendre certaines tâches informatiques délicates plus efficaces. Les problèmes avec les données qui viennent avec du bruit intégré du monde réel, ou lorsqu'une certaine approximation est nécessaire, sont les meilleurs ajustements. Bates rapporte des résultats prometteurs pour des applications telles que l'imagerie radar à haute résolution, l'extraction d'informations 3D à partir de photos stéréo et l'apprentissage en profondeur, une technique qui a récemment permis de faire des progrès en matière d'intelligence artificielle.

Cette puce ne peut pas obtenir son arithmétique correcte, mais pourrait rendre les ordinateurs plus efficaces pour des problèmes délicats comme l'analyse d'images.

Dans un test simulé utilisant un logiciel qui suit des objets tels que des voitures en vidéo, l'approche de Singular était capable de traiter des images presque 100 fois plus rapidement qu'un processeur conventionnel limité à faire des calculs corrects, tout en utilisant moins de 2 % de puissance.

Bates n'est pas le premier à poursuivre l'idée d'utiliser du matériel ondulant à la main pour traiter les données plus efficacement, une notion connue sous le nom de calcul approximatif (voir 10 Breakthrough Technologies 2008 : Probabilistic Chips). Mais l'investissement de la DARPA dans sa puce pourrait donner au rêve mathématique flou son plus grand essai à ce jour.

Bates construit un lot d'ordinateurs sujets aux erreurs qui combinent chacun 16 de ses puces avec un seul processeur conventionnel. La DARPA recevra cinq de ces machines cet été et prévoit de les mettre en ligne pour que les chercheurs gouvernementaux et universitaires puissent jouer avec. L'espoir est qu'ils puissent prouver le potentiel de la technologie et attirer l'intérêt de l'industrie des puces.

La DARPA a financé la puce de Singular dans le cadre d'un programme appelé À l'envers, qui vise à inventer de nouvelles façons plus efficaces de traiter les séquences vidéo. Les drones militaires peuvent collecter de grandes quantités de vidéo, mais elles ne peuvent pas toujours être téléchargées pendant le vol, et la puissance informatique nécessaire pour la traiter dans les airs serait trop volumineuse.

Il faudra des prouesses logicielles notables et même une ingénierie culturelle pour que le matériel imprécis décolle. Il n'est pas facile pour les programmeurs habitués à l'idée que les puces sont toujours super précises de s'adapter à celles qui ne le sont pas, dit Christian Enzo , professeur à l'Ecole polytechnique fédérale de Lausanne qui a construit ses propres puces de calcul approximatives. De nouveaux outils seront nécessaires pour les aider à le faire, dit-il.

Mais Deb Roy, professeur au MIT Media Lab et scientifique en chef des médias de Twitter, affirme que les tendances récentes en informatique suggèrent que l'informatique approximative pourrait trouver un public plus prêt que jamais. Il y a une résonance naturelle si vous traitez tout type de données bruyantes par nature, dit-il. Cela devient de plus en plus courant à mesure que les programmeurs cherchent à extraire des informations à partir de photos et de vidéos ou à faire en sorte que les machines donnent un sens au monde et au comportement humain, ajoute-t-il.

cacher