L. Bardon . – Le domaine de l’apprentissage en profondeur est encore en pleine évolution. Les experts considèrent que les réseaux neuronaux peuvent réaliser beaucoup de calculs avec peu d’énergie, à condition que la puce se rapproche d’une réponse en utilisant des maths de faible précision. Ce qui serait particulièrement utile pour les appareils mobiles et autres appareils soumis à des contraintes fortes en termes d’énergie. Mais certaines tâches, en particulier la formation d’un réseau neuronal, nécessitent de la précision. Eté 2018, IBM dévoilait sa nouvelle solution, un prototype, lors des symposiums de l’IEEE VLSI : une puce capable de faire aussi bien les deux.
Les réseaux neuronaux qui alimentent l’IA d’aujourd’hui sont incroyablement puissants, mais leur entraînement peut nécessiter des fermes de serveurs et d’énormes quantités d’énergie. Une nouvelle approche d’IBM suggère que nous pourrions être en mesure de réduire considérablement ces besoins en diminuant le nombre de bits utilisés pour effectuer les calculs. Dans un article présenté lors de la prestigieuse conférence sur l’IA NeurIPS, les chercheurs ont montré qu’ils pouvaient former l’IA à oeuvrer sur une variété de tâches liées à l’image et au langage avec une perte de précision limitée en utilisant seulement quatre bits. Cela leur a permis d’accélérer la vitesse du processus de formation de plus de sept fois.
Mais il y a une mise en garde importante. La recherche a été faite dans une simulation, pas sur de vraies puces, car les puces d’IA à quatre bits n’existent pas encore. Le responsable de l’étude, Kailash Gopalakrishnan, a déclaré au MIT Tech Review qu’IBM devrait les avoir mises au point d’ici trois ou quatre ans. Ils ne sont pas les seuls à travailler sur ce problème, non plus. La plupart des entreprises qui construisent du matériel d’intelligence artificielle sont occupées à renforcer les capacités de faible précision de leurs puces.
