L’apprentissage machine, fondement de la recherche moderne en intelligence artificielle (IA), consiste à alimenter un algorithme de centaines de milliers d’exemples pour lui apprendre à accomplir une tâche sans qu’il n’ait été expressément programmé. Cela s’est manifesté traduit directement en nouvelles capacités pour un certain nombre de produits, comme la capacité presque instantanée de Google Translate à transformer une phrase anglaise en mandarin par exemple.
Tout se résume à l’entraînement de réseaux neuronaux via de grands jeux de données pour transformer le tout en algorithme qui fonctionne ; ce qui nécessite de la puissance de calcul. Ces systèmes d’entraînement, améliorent les logiciels d’IA en manipulant d’énormes volumes de données. Autrement dit, plus le matériel est puissant, plus vite vous obtenez des résultats. « Si nous pouvons réduire le temps des opérations de quelques semaines à quelques jours voir quelques heures, cela donne la capacité à tout le monde d’itérer plus rapidement et à faire plus d’expériences », a déclaré Dean.
Parce que cette nouvelle unité de traitement TPU Google est maintenant capable de gérer simultanément inférence et entraînement, les chercheurs peuvent multiplier et varier les expériences ; tant que le logiciel est conçu en utilisant TensorFlow. Google réitère également son engagement envers le modèle open source en proposant des ressources TPU aux chercheurs qui acceptent de publier leurs résultats et éventuellement même de rendre leur code open source.
