Les réseaux neuronaux peuvent apprendre n’importe quelle tâche jusqu’à devenir plus performants que les humains. Le principal problème est que leur entraînement monopolise pendant des jours des data centers ou des superordinateurs surpuissants. Des scientifiques du Watson Research Center veulent drastiquement réduire le temps d’apprentissage et la puissance nécessaire à ces réseaux neuronaux grâce à des unités de traitement dites « résistives ». En théorie, ces puces seraient la combinaison de processeurs et de mémoire non volatile. Elles pourraient simultanément capturer et traiter les données ce qui diminueraient considérablement le temps d’apprentissage et la puissance nécessaires aux réseaux neuronaux. Selon les scientifiques le facteur d’accélération serait de 30.000.
