Dispositif reconfigurable à base d'IA affiche des promesses « proches du cerveau »
L'intelligence artificielle ne pourra jamais remplacer le cerveau humain. Le fait que le cerveau humain s'adapte lorsqu'il apprend quelque chose de nouveau en est la preuve.
Des chercheurs de l'Université Purdue ont conçu des puces informatiques capables de se reconfigurer en permanence pour recevoir de nouvelles données, à la manière du cerveau. Cela permet à l'IA de continuer à apprendre au fil du temps. Les circuits de la puce informatique ne changent pas, contrairement au cerveau, qui établit en permanence de nouvelles connexions synaptiques pour faciliter l'apprentissage.
Le circuit qu'une machine a utilisé pendant des années est identique à celui conçu pour un moteur d'usine. L'objectif est de créer une plateforme sur laquelle les machines apprendront tout au long de leur existence.
Rendre l'IA plus portable se heurte à des obstacles, par exemple pour les véhicules autonomes ou les robots spatiaux, qui doivent prendre des décisions seuls dans des endroits éloignés. Ces machines seraient plus efficaces si l'IA pouvait être intégrée directement au matériel plutôt qu'au logiciel, comme c'est le cas aujourd'hui.
Selon une nouvelle étude, le dispositif adaptable mis au point peut se transformer en l'ensemble des composants électriques clés nécessaires au matériel d'intelligence artificielle, pour une utilisation potentielle en robotique et dans les systèmes autonomes.
Le matériel informatique inspiré du cerveau, ou « neuromorphique », vise à imiter la capacité exceptionnelle du cerveau humain à apprendre de manière adaptative à partir de l'expérience et à traiter rapidement l'information de façon extrêmement économe en énergie.
Ces caractéristiques du cerveau tiennent largement à sa nature plastique, c'est-à-dire sa capacité à modifier sa structure et ses fonctions au fil du temps grâce à des processus tels que la formation de neurones, ou « neurogenèse ».
« Nous avons supposé que si nous pouvions reproduire le comportement de la neurogenèse dans du matériel électrique, nous pourrions créer des machines qui apprennent tout au long de leur existence », a déclaré le auteur principal de l'étude, Shriram Ramanathan, ingénieur électricien et scientifique des matériaux à l'Université Purdue, à West Lafayette (Indiana).
Ramanathan et ses collègues ont développé des dispositifs neuromorphiques hautement adaptables à partir de nickelate de pérovskite. Les pérovskites sont des cristaux qui ont permis des progrès remarquables dans les performances des cellules solaires au cours de la dernière décennie.
Les scientifiques ont incorporé des protons dans le nickelate de pérovskite. Des impulsions électriques appliquées à ce matériau peuvent déplacer les protons à l'intérieur du réseau du matériau, modifiant ainsi ses propriétés électroniques. Les chercheurs ont pu reconfigurer électriquement le dispositif constitué de ce nickelate de pérovskite dopé aux protons en une résistance, un condensateur mémoire, un neurone ou une synapse, à la demande.
« Nous pouvons utiliser un seul dispositif pour remplir plusieurs fonctions neuromorphiques. De plus, nous pouvons basculer entre ces fonctions à l'aide de simples impulsions électriques à l'échelle de la nanoseconde »
« La polyvalence de ce dispositif peut simplifier la conception de circuits d'IA pour des tâches de calcul complexes, en évitant l'accumulation de différents blocs fonctionnels qui occupent beaucoup de place et consomment beaucoup d'énergie », a déclaré le co-auteur de l'étude, Michael Tae Joon Park, ingénieur électricien et scientifique des matériaux à Purdue. Selon lui, les applications potentielles incluent la robotique et les systèmes autonomes.
Lors de simulations utilisant le nouveau dispositif dans un réseau de neurones artificiels, qui reproduit la structure des neurones du cerveau biologique, les scientifiques ont constaté que le caractère reconfigurable du nouveau dispositif permet au réseau de neurones « de prendre des décisions plus efficacement que les réseaux statiques classiques dans des conditions complexes et en constante évolution ».
Le nouveau dispositif s'est montré stable sur 1,6 million de cycles de commutation entre les états. « De plus, les ions hydrogène restent dans le dispositif pendant une longue période après son traitement initial, plus de six mois, ce qui est encourageant », a déclaré Park.
Les chercheurs suggèrent que leur dispositif pourrait trouver une application dans des réseaux à expansion selon les besoins, c'est-à-dire des réseaux de neurones capables d'accroître leur puissance de calcul à la demande. De la même manière, ces réseaux peuvent se réduire si le dispositif détecte des nœuds régulièrement inactifs, afin de gagner en efficacité.
Les scientifiques indiquent qu'ils ont fabriqué leurs dispositifs à l'aide de technologies compatibles avec la fabrication de semi-conducteurs en fonderie, ce qui laisse supposer qu'ils pourraient facilement trouver une application dans l'industrie électronique.
« Cependant, notre étude en est encore au stade embryonnaire. Il faudra beaucoup plus de travail pour fabriquer des circuits de test intégrés à grande échelle avec ces dispositifs »
Les scientifiques ont présenté en détail leurs conclusions dans la revue Science : « En utilisant nos neurones et synapses artificiels reconfigurables, les réseaux dynamiques simulés ont surpassé les réseaux statiques pour des scénarios d'apprentissage progressif. La possibilité de former à la demande les blocs de construction d'ordinateurs inspirés du cerveau ouvre de nouvelles perspectives dans les réseaux adaptatifs ».
