Une nouvelle puce IA imite la capacité du cerveau humain à contrôler un moteur en une fraction de seconde : elle résout les problèmes en utilisant 10 000 fois moins de calculs

Les scientifiques ont développé un nouveau type de intelligence artificielle (IA) qui imite l’aptitude du cerveau humain aux réponses motrices instinctives.

Modelé d’après le cerveletla partie du cerveau qui aide à coordonner l’équilibre et le contrôle musculaire fin, la puce est conçue pour ignorer les informations de routine et répondre uniquement aux événements inattendus.

Lors de tests simulés utilisant des données d’électrocardiogramme (ECG), l’appareil a signalé des battements cardiaques irréguliers (arythmies) dans un délai d’un cinquième d’un battement cardiaque et avec une précision de 98 %, selon les chercheurs – et l’a fait deux fois plus vite que les systèmes d’IA conventionnels. L’équipe a publié ses conclusions le 10 juillet dans la revue Communications naturelles.

L’appareil pourrait ouvrir la voie à des systèmes d’IA très réactifs et à faible consommation, capables de détecter et de réagir à des événements inhabituels sans dépendre des énormes ressources informatiques des centres de données – des moniteurs de santé toujours actifs aux voitures et robots autonomes.

Une nouvelle approche de l’informatique neuromorphique

L’architecture informatique inspirée du cerveau humain est connue sous le nom de informatique neuromorphique. De nombreux chercheurs la considèrent comme essentielle au développement de systèmes d’IA plus avancés et plus efficaces, car elle imite de plus près comment les neurones se déclenchent dans le cerveau humain.

Plutôt que de traiter toutes les informations entrantes avec la même intensité, les circuits biologiques du cerveau donnent la priorité aux signaux importants et filtrent les bruits de fond habituels, ce qui les aide à conserver l’énergie.

La plupart approches neuromorphiques concentrez-vous sur le cerveau, la plus grande partie du cerveau humain et le « centre de la pensée » central. Dans la nouvelle étude, les scientifiques se sont plutôt concentrés sur le cervelet, une région cérébrale plus petite responsable de la coordination et de la motricité instinctive – des choses que nous faisons sans trop de réflexion consciente.

Les circuits neuronaux du cervelet contiennent des signaux excitateurs et inhibiteurs concurrents qui s’équilibrent normalement. Lorsque quelque chose d’inattendu se produit, l’équilibre change et alerte le cerveau qu’il doit réagir.

Cela fait du cervelet un candidat privilégié et inexploité pour les systèmes d’IA neuromorphique, a déclaré le co-auteur de l’étude Marc Hersamprofesseur de science et d’ingénierie des matériaux à l’Université Northwestern.

« Le cervelet est excellent pour ignorer l’attendu et réserver ses ressources pour réagir à l’inattendu », a déclaré Hersam dans un article. déclaration. « Cette approche se traduit en fin de compte par une consommation d’énergie inférieure. »

Fusionner la mémoire et le calcul

Bien que l’IA actuelle soit exceptionnellement efficace pour reconnaître des modèles, elle dépense d’énormes quantités de puissance de calcul analyser en permanence les flux de données.

L’une des contraintes est le matériel lui-même. Le traitement des informations implique un transfert de données entre des composants de mémoire et de traitement distincts, ce qui entraîne un délai appelé le goulot d’étranglement de von Neumann.

Ce nouveau dispositif intègre la mémoire et le traitement dans un seul composant appelé memtransistor (un portemanteau de « mémoire » et «transistor« ), lui permettant de déplacer les données beaucoup plus rapidement et efficacement.

Le memtransistor est constitué d’un semi-conducteur atomiquement mince appelé bisulfure de molybdène, qui forme un canal entre deux électrodes. Une électrode entre en contact direct avec le semi-conducteur, tandis que l’autre se trouve en partie au-dessus, séparée par une fine couche isolante.

Cette asymétrie modifie la façon dont l’électricité circule à travers l’appareil, lui permettant de basculer entre les modes « excitateur » et « inhibiteur » lorsque la direction du courant tension est inversé, ont expliqué les chercheurs dans l’étude.

La « couche de sortie » des réseaux de neurones à pointe

Le dispositif est conçu pour former le cœur de la couche de sortie d’un plus grand réseau neuronal de pointe (SSN), a expliqué Hersam dans un e-mail à Live Science.

Les SNN sont un type de réseau neuronal qui traite les informations sous la forme d’une série de pointes électriques, imitant comment les signaux passent entre les neurones. Pour l’étude, les chercheurs ont mesuré la façon dont les memtransistors individuels répondaient à des impulsions électriques répétées, puis ont utilisé les résultats pour simuler un réseau comprenant plusieurs appareils capables de distinguer les modèles ECG normaux des arythmies.

Ils ont ensuite introduit les mêmes données ECG dans le réseau de memtransistors inspiré du cervelet et dans un modèle de transformateur standard – l’architecture d’IA qui sous-tend les grands modèles de langage (LLM) – et ont comparé la rapidité et l’efficacité avec lesquelles chacun a détecté une arythmie. Le système inspiré du cervelet était plus de deux fois plus rapide et nécessitait environ 10 000 fois moins de calculs informatiques, selon l’équipe.

Hersam a déclaré que les résultats devraient se traduire par un matériel plus rapide et plus économe en énergie, tout en ajoutant que les performances réelles dépendraient de la vitesse et de la taille des appareils.

« Nous n’avons pas adapté les memtransistors au niveau des puces commerciales en Si (silicium), mais en principe, les matériaux 2D et les memtransistors peuvent être mis à l’échelle à des tailles et des vitesses de fonctionnement comparables », a-t-il déclaré à Live Science.

Une IA plus efficace à la périphérie

Hersam a déclaré que le nouvel appareil était particulièrement adapté aux scénarios dans lesquels une inférence rapide était nécessaire en utilisant une consommation minimale. « Un exemple pourrait être l’informatique de pointe, ou dans les cas où l’accès au cloud n’est pas disponible ou n’est pas souhaité en raison de la sensibilité des données », a-t-il ajouté.

Un énorme avantage potentiel de cette technologie est qu’elle pourrait réduire la dépendance de l’IA à l’égard des centres de données. Selon l’Agence internationale de l’énergie, la demande mondiale en électricité des centres de données pourrait atteindre environ 945 térawattheures d’ici 2030 – un peu plus que la consommation totale d’électricité du Japon – largement tirée par l’IA. Un térawattheure équivaut à 1 billion de wattheures, soit suffisamment d’électricité pour alimenter une ampoule de 60 watts en continu pendant 1,9 million d’années.

Un futur réseau hypothétique basé sur des transistors mémoire pourrait permettre aux robots, aux véhicules autonomes et aux systèmes de cybersécurité de fonctionner en continu à faible consommation en traitant les données localement et en réagissant uniquement lorsqu’ils détectent un événement inattendu et potentiellement dangereux, ont indiqué les chercheurs.

« L’IA actuellement déployée dans la cybersécurité et les véhicules autonomes utilise la puissance de calcul massive des centres de données ou une installation interne de GPU et de CPU », a déclaré Hersam à Live Science. « En revanche, notre approche promet une faible consommation d’énergie/énergie en simplifiant le nombre net d’opérations nécessaires… (Il ne s’agit pas d’une amélioration progressive des performances, mais d’une manière fondamentalement différente de détecter les anomalies. »

La prochaine étape de la recherche se concentrera sur l’imitation de la capacité du cervelet à s’adapter à la prévisibilité, en particulier sur la façon dont le cerveau humain cesse de traiter les événements comme uniques ou inattendus lorsqu’ils se produisent plusieurs fois.

Découvrez tout ce que vous savez sur l’organe le plus complexe du corps humain avec notre