Un système informatique expérimental de type cerveau plus précis grâce à un algorithme personnalisé

Un système informatique expérimental modélisé physiquement d’après le cerveau biologique a « appris » à identifier les nombres manuscrits avec une précision globale de 93,4 %. L’innovation clé de l’expérience était un nouvel algorithme de formation qui donnait au système des informations continues sur sa réussite dans la tâche en temps réel pendant qu’il apprenait. L’étude a été publiée dans Communications naturelles.

L’algorithme a surpassé une approche conventionnelle d’apprentissage automatique dans laquelle la formation était effectuée après le traitement d’un lot de données, produisant une précision de 91,4 %. Les chercheurs ont également montré que la mémoire des entrées passées stockées dans le système lui-même améliorait l’apprentissage. En revanche, d’autres approches informatiques stockent la mémoire dans un logiciel ou un matériel distinct du processeur d’un appareil.

Depuis 15 ans, des chercheurs du California NanoSystems Institute de l’UCLA, ou CNSI, développent une nouvelle plateforme technologique de calcul. La technologie est un système inspiré du cerveau composé d’un réseau enchevêtré de fils contenant de l’argent, posés sur un lit d’électrodes. Le système reçoit des entrées et produit des sorties via des impulsions électriques. Les fils individuels sont si petits que leur diamètre est mesuré à l’échelle nanométrique, en milliardièmes de mètre.

Les « petits cerveaux d’argent » sont très différents des ordinateurs d’aujourd’hui, qui contiennent des modules de mémoire et de traitement séparés constitués d’atomes dont les positions ne changent pas lorsque les électrons les traversent. En revanche, le réseau de nanofils se reconfigure physiquement en réponse à un stimulus, avec une mémoire basée sur sa structure atomique et répartie dans tout le système. Là où les fils se chevauchent, des connexions peuvent se former ou se rompre, de manière analogue au comportement des synapses du cerveau biologique où les neurones communiquent entre eux.

Les collaborateurs de la recherche de l’Université de Sydney ont développé un algorithme simplifié pour fournir des entrées et interpréter les résultats. L’algorithme est personnalisé pour exploiter la capacité cérébrale du système à changer dynamiquement et à traiter plusieurs flux de données simultanément.

Le système semblable à un cerveau était constitué d’un matériau contenant de l’argent et du sélénium, qui pouvait s’auto-organiser en un réseau de nanofils enchevêtrés au-dessus d’un réseau de 16 électrodes.

Les scientifiques ont formé et testé le réseau de nanofils à l’aide d’images de nombres manuscrits, un ensemble de données créé par l’Institut national des normes et technologies et souvent utilisé pour évaluer les systèmes d’apprentissage automatique. Les images ont été communiquées au système pixel par pixel à l’aide d’impulsions électriques d’une durée chacune d’un millième de seconde, avec des tensions différentes représentant des pixels clairs ou sombres.

Encore en développement, le réseau de nanofils devrait nécessiter beaucoup moins d’énergie que les systèmes d’intelligence artificielle basés sur le silicium pour effectuer des tâches similaires. Le réseau se montre également prometteur dans les tâches que l’IA actuelle a du mal à accomplir : donner un sens à des données complexes, telles que les tendances météorologiques, la circulation et d’autres systèmes qui changent au fil du temps. Pour ce faire, l’IA d’aujourd’hui nécessite d’énormes quantités de données d’entraînement et des dépenses énergétiques extrêmement élevées.

Grâce au type de co-conception utilisé dans cette étude (matériel et logiciel développés en tandem), les réseaux de nanofils pourraient à terme jouer un rôle complémentaire aux côtés des dispositifs électroniques à base de silicium. La mémoire et les traitements de type cérébral intégrés dans des systèmes physiques capables de s’adapter et d’apprendre en continu peuvent être particulièrement bien adaptés à ce que l’on appelle « l’informatique de pointe », qui traite des données complexes sur place sans nécessiter de communication avec des serveurs éloignés.

Les utilisations potentielles incluent la robotique, la navigation autonome dans des machines telles que les véhicules et les drones, et la technologie des appareils intelligents qui composent l’Internet des objets, ainsi que la surveillance de la santé et la coordination des mesures provenant de capteurs situés à plusieurs endroits.