L'IA de pointe auto-évolutive permet un apprentissage et des prévisions en temps réel sur de petits appareils
Des chercheurs de l'Institut de recherche scientifique et industrielle (SANKEN) de l'Université d'Osaka ont développé avec succès une technologie d'IA de pointe « auto-évolutive » qui permet des capacités d'apprentissage et de prévision en temps réel directement dans des appareils compacts. Cette innovation, appelée MicroAdapt, atteint une vitesse et une précision sans précédent, en traitant les données jusqu'à 100 000 fois plus rapidement et en atteignant une précision jusqu'à 60 % supérieure par rapport aux méthodes conventionnelles d'apprentissage en profondeur de pointe.
Cette réalisation représente une avancée majeure vers les applications d’IA en temps réel de nouvelle génération dans les domaines de la fabrication, de l’IoT automobile et des appareils portables médicaux, répondant aux limites critiques de l’IA existante dépendante du cloud.
Il existe une demande croissante pour le traitement de l'IA à grande vitesse dans des appareils de pointe compacts et aux ressources limitées, tels que les systèmes embarqués dans la fabrication, l'IoT automobile et les dispositifs médicaux implantables/portables.
Auparavant, l’IA de pointe impliquait généralement la pré-formation de grands modèles à l’aide du Big Data et du Deep Learning dans des environnements cloud étendus. Ces modèles statiques et fixes ont ensuite été déployés sur des appareils de pointe uniquement à des fins d'inférence (prédiction), et non à des fins d'apprentissage. Cette approche, tout en améliorant la précision avec davantage de données, exigeait d'énormes volumes de données, du temps de traitement et de la puissance, la rendant inadaptée au traitement des données en temps réel ou aux mises à jour rapides de modèles directement dans de petits appareils.
De plus, ces méthodes dépendantes du cloud sont confrontées à des défis persistants en termes de coûts de communication, de confidentialité des données et de sécurité. Une technologie reconnue à l’échelle mondiale pour l’apprentissage en temps réel dans des environnements Edge compacts n’avait pas encore été mise au point.
Le groupe de recherche du professeur Yasuko Matsubara a développé MicroAdapt, l'IA de pointe la plus rapide et la plus précise au monde, capable d'apprendre et de prédire en temps réel au sein de ces petits appareils. Contrairement à l’IA conventionnelle qui entraîne des modèles uniques et complexes sur le Big Data dans le cloud, MicroAdapt fonctionne différemment.
Premièrement, il décompose les flux de données entrants évoluant dans le temps en modèles distinctifs directement sur le périphérique périphérique. Deuxièmement, il intègre ensuite de nombreux modèles légers pour représenter collectivement ces données. Troisièmement, inspiré par l’adaptation des micro-organismes, le système itère de manière autonome et continue l’auto-apprentissage, l’adaptation environnementale et l’évolution.
Il identifie de nouveaux modèles, met à jour ses modèles simples et supprime ceux qui sont inutiles, permettant ainsi l'apprentissage de modèles en temps réel et la prévision future. L'ouvrage est publié dans le cadre du Actes de la 31e conférence ACM SIGKDD sur la découverte des connaissances et l'exploration de données V.2.
Cette méthode de pointe a démontré une précision de prédiction et une vitesse de calcul supérieures, permettant un traitement jusqu'à 100 000 fois plus rapide et une précision 60 % supérieure par rapport aux techniques de prédiction d'apprentissage profond de pointe.
L'équipe a réussi à implémenter ce mécanisme d'apprentissage de pointe auto-évolutif sur un Raspberry Pi 4. L'implémentation a démontré son caractère pratique en nécessitant moins de 1,95 Go de mémoire et en consommant moins de 1,69 W d'énergie, tout en fonctionnant sur un processeur léger sans GPU puissants.
« Notre IA de pointe ultra-légère et ultra-rapide pour les petits appareils permet diverses applications en temps réel. Nous faisons progresser leur utilisation pratique avec des partenaires industriels dans les domaines de la fabrication, de la mobilité et des soins de santé pour un impact industriel étendu.
