{"id":9069,"date":"2023-03-07T14:43:27","date_gmt":"2023-03-07T13:43:27","guid":{"rendered":"https:\/\/www.isir.upmc.fr\/?post_type=isir_news&p=9069"},"modified":"2023-03-07T14:43:27","modified_gmt":"2023-03-07T13:43:27","slug":"une-intelligence-artificielle-a-faible-consommation-denergie","status":"publish","type":"isir_news","link":"https:\/\/www.isir.upmc.fr\/actualites\/une-intelligence-artificielle-a-faible-consommation-denergie\/","title":{"rendered":"UNE INTELLIGENCE ARTIFICIELLE \u00c0 FAIBLE CONSOMMATION D’\u00c9NERGIE"},"content":{"rendered":"\n

Une \u00e9quipe associant trois laboratoires du CNRS – dont l’ISIR, le C2N, et l’IM2NP – <\/em>le CEA Leti et la startup Hawai.tech, a r\u00e9alis\u00e9 un prototype de machine qui r\u00e9alise une t\u00e2che d’intelligence artificielle (reconna\u00eetre un geste humain) en utilisant des milliers de fois moins d\u2019\u00e9nergie qu\u2019une solution traditionnelle. Ces r\u00e9sultats sont pr\u00e9sent\u00e9s dans un article <\/strong>publi\u00e9 dans la revue Nature Electronics<\/a><\/em>.<\/strong><\/p>\n\n\n\n

\n\n\n\n

L’intelligence artificielle progresse \u00e0 grands pas, notamment gr\u00e2ce aux techniques d’apprentissage automatique (deep learning). Mais le principal inconv\u00e9nient de ces syst\u00e8mes est leur forte consommation d’\u00e9nergie, r\u00e9dhibitoire pour des applications \u00a0\u00bbembarqu\u00e9es\u00a0\u00bb, que ce soit dans le domaine m\u00e9dical (suivi de patient), ou dans la surveillance de b\u00e2timents et d’installations industrielles via des capteurs intelligents. <\/p>\n\n\n\n

Dans un ordinateur traditionnel, la consommation d’\u00e9nergie par les algorithmes d’IA est principalement li\u00e9e aux mouvements de donn\u00e9es entre la m\u00e9moire et l’unit\u00e9 de calcul, toujours s\u00e9par\u00e9s. Pour r\u00e9soudre ce probl\u00e8me, une \u00e9quipe associant trois laboratoires du CNRS (le Centre de nanosciences et de nanotechnologies (C2N<\/a>, CNRS\/Univ Paris-Saclay), l\u2019Institut mat\u00e9riaux micro\u00e9lectronique nanosciences de Provence, (IM2NP<\/a>, CNRS\/Aix-Marseille universit\u00e9) et l\u2019Institut des syst\u00e8mes intelligents et robotique (ISIR, CNRS\/Sorbonne universit\u00e9)), le CEA-Leti et la startup\u00a0Hawai.tech<\/a>, ont r\u00e9alis\u00e9 un prototype de machine d’intelligence artificielle bas\u00e9e sur une nouvelle technologie de nanocomposants, les memristors, qui int\u00e8grent les fonctions de calcul et de m\u00e9moire. Ces r\u00e9sultats ont \u00e9t\u00e9 publi\u00e9s dans la revue\u00a0Nature Electronics.<\/em><\/p>\n\n\n\n

La nouvelle machine est compos\u00e9e de 2048 memristors en oxyde d\u2019hafnium et 30 080 transistors en silicium. Pour la r\u00e9aliser, l’\u00e9quipe a d\u00fb relever deux d\u00e9fis : int\u00e9grer des technologies \u00e9lectroniques tr\u00e8s diff\u00e9rentes, et inventer des techniques permettant d’\u00e9liminer les erreurs inh\u00e9rentes aux composants memristors sans augmenter la consommation d’\u00e9nergie de la machine. Le prototype met en \u0153uvre des raisonnements bay\u00e9siens. Une technique d’intelligence artificielle qui peut fonctionner avec peu d’informations, contrairement au deep learning qui construit un mod\u00e8le \u00e0 partir de tr\u00e8s nombreux exemples. De plus, les raisonnements bay\u00e9siens peuvent \u00eatre enti\u00e8rement expliqu\u00e9s, ce qui n’est pas le cas du deep learning.<\/p>\n\n\n\n

Les scientifiques ont montr\u00e9 que la machine bay\u00e9sienne \u00e0 memristors savait reconna\u00eetre un geste humain \u2013 l’\u00e9criture d’un chiffre ou d’une signature – en utilisant des milliers de fois moins d\u2019\u00e9nergie qu\u2019une solution bas\u00e9e sur un microcontr\u00f4leur traditionnel. Les recherches vont maintenant se poursuivre dans le cadre du PEPR d\u2019acc\u00e9l\u00e9ration\u00a0\u00c9lectronique. Par ailleurs, le laboratoire C2N va continuer les recherches sur la machine bay\u00e9sienne \u00e0 memristors, avec un prototype \u00e0 plus grande \u00e9chelle qui permettra de tester des applications r\u00e9alistes. Un transfert de la technologie vers la start-up Hawai.tech est envisag\u00e9.<\/p>\n\n\n\n

\"\"
Photographie de la machine Bay\u00e9sienne (dimension 2mmx2mm). Les seize blocs de memristors (apparaissant comme des carr\u00e9s noirs) sont entour\u00e9s de circuits \u00e0 base de transistors. \u00a9 Damien Querlioz (CNRS\/Univ. Paris-Saclay)<\/em><\/figcaption><\/figure>\n\n\n\n

Source de l’article : site de l’INSIS<\/a>.<\/p>\n\n\n\n

\n\n\n\n