RTFlash

VOUS ÊTES ICI :
Une intelligence artificielle un million de fois plus rapide que le cerveau humain

TIC

Une intelligence artificielle un million de fois plus rapide que le cerveau humain

Mardi, 11/10/2022 - 14:57 1 commentaire
Une intelligence artificielle un million de fois plus rapide que le cerveau humain zoom

En intelligence artificielle, le deep learning analogique fonctionne différemment du deep learning numérique. Il crée un réseau de 'neurones' et de 'synapses' artificiels analogiques qui peuvent dépasser les performances d’un réseau neuronal numérique, tout en utilisant une fraction de l’énergie utilisée par le numérique.

Jusqu’à maintenant, le cerveau humain surpasse largement le deep learning en termes de performances. Un cerveau humain pesant à peine 1,3 kg peut effectuer de nouvelles tâches en quelques secondes en utilisant la même quantité d’énergie qu’une ampoule, tandis que la formation des plus grands réseaux de neurones prend des semaines, des mégawattheures d’électricité et des racks de transformateurs spécialisés.

La révolution est en marche puisque les neurones et synapses artificiels de l’équipe du MIT, construits à l’aide d’un nouveau matériau inorganique qui augmente les performances des appareils, atteignent une vitesse un million de fois plus rapide que celle du cerveau humain. Ces synapses artificielles imitent le comportement des synapses biologiques, qui utilisent des ions pour transmettre des signaux à travers l’espace entre deux neurones.

Le but est de permettre à l’IA de fonctionner de manière au moins aussi performante que le cerveau humain : en moins de temps et avec moins d’énergie que tout ce qui est fait pour l’instant.

Pour développer une résistance protonique programmable ultra-rapide et très économe en énergie, les chercheurs se sont concentrés sur le verre de phosphosilicate inorganique (PSG). Le PSG est essentiellement composé de dioxyde de silicium, sous forme de poudre, que l’on peut trouver dans de minuscules sacs destinés à éliminer l'humidité dans les embalages de meubles. Ces chercheurs ont découvert qu'un PSG optimisé pourrait avoir une conductivité protonique élevée à température ambiante sans avoir besoin d'eau, ce qui en ferait un électrolyte solide idéal pour cette application.

Le PSG permet un mouvement ultrarapide des protons car il contient une multitude de pores de taille nanométrique dont les surfaces fournissent des voies de diffusion des protons. Il peut également supporter des champs électriques pulsés très puissants. Ce nouveau matériau peut être utilisé avec les techniques de fabrication qui existent déjà pour le silicium. Ce qui le rend particulièrement intéressant puisqu’il pourra donc être intégré dans la technologie informatique actuelle. On pourra faciliter les applications de deep learning et leur donner une puissance inédite. « En d’autres termes, ce n’est pas une voiture plus rapide, c’est un vaisseau spatial », s’enthousiasme Murat Onen, co-auteur de l’étude et post-doctorant au MIT.

Ces processeurs dits "neuromorphes" seraient bien mieux adaptés à l’exécution de l’IA que les puces informatiques d’aujourd’hui, lente et complexes. Ju Li, professeur de science et d’ingénierie nucléaires de la Battelle Energy Alliance et co-auteure de l’étude continue : « La vitesse était vraiment surprenante. Normalement, nous n’appliquerions pas des champs aussi extrêmes sur les appareils, au risque de les réduire en cendres. Or, les protons ont fini par faire la navette à des vitesses immenses […] Et ce mouvement n’endommage rien, grâce à la petite taille et à la faible masse des protons ».

Article rédigé par Georges Simmonds pour RT Flash

MIT

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

  • moxibe

    8/08/2023

    L'intelligence supérieure de l'intelligence artificielle et des nouvelles technologies.
    It’s a great time for all the planning. how to screenshot on mac of your entire screen and save it as an image file, press the Windows key and the Print Screen key at the same time.

    • back-to-top