Les ordinateurs construits comme des cerveaux pourraient-ils être un « tueur de concurrence » ? – BBC News

L’appétit de l’informatique moderne pour l’électricité augmente à un rythme alarmant.

D’ici 2026, la consommation des centres de données, de l’intelligence artificielle (IA) et des cryptomonnaies pourrait être jusqu’à deux fois plus élevée qu’en 2022, selon un récent rapport de l’Agence internationale de l’énergie (AIE).

On estime qu’en 2026, la consommation énergétique de ces trois secteurs pourrait être à peu près équivalente aux besoins énergétiques annuels du Japon.

Des entreprises comme Nvidia, dont les puces informatiques sous-tendent aujourd’hui la plupart des applications d’IA, travaillent au développement de matériel plus économe en énergie.

Mais une autre voie pourrait-elle être de construire des ordinateurs dotés d’une architecture fondamentalement différente, plus économe en énergie ?

Certaines entreprises le pensent certainement et s’appuient sur la structure et la fonction d’un organe qui utilise une fraction de la puissance d’un ordinateur classique pour effectuer davantage d’opérations plus rapidement : le cerveau.

Dans l’informatique neuromorphique, les appareils électroniques imitent les neurones et les synapses et sont interconnectés d’une manière qui ressemble au réseau électrique du cerveau.

Ce n’est pas nouveau : les chercheurs travaillent sur cette technique depuis les années 1980.

Mais les besoins énergétiques de la révolution de l’IA augmentent la pression pour intégrer cette technologie naissante dans le monde réel.

Les systèmes et plateformes actuels existent principalement comme outils de recherche, mais leurs promoteurs affirment qu’ils pourraient apporter d’énormes gains en matière d’efficacité énergétique,

Parmi ceux qui ont des ambitions commerciales figurent des géants du matériel comme Intel et IBM.

Il existe également une poignée de petites entreprises sur le marché. L’opportunité est là, attendant l’entreprise qui saura la saisir, explique Dan Hutcheson, analyste chez TechInsights. [And] l’opportunité est telle que cela pourrait être un tueur de Nvidia.

En mai, SpiNNcloud Systems, une société dérivée de l’Université de technologie de Dresde, a annoncé qu’elle commencerait à vendre des supercalculateurs neuromorphiques pour la première fois et qu’elle prenait des précommandes.

« Nous avons atteint la commercialisation des supercalculateurs neuromorphiques avant d’autres entreprises », déclare Hector Gonzalez, son co-directeur général.

Il s’agit d’une avancée significative, déclare Tony Kenyon, professeur de matériaux nanoélectroniques et nanophotoniques à l’University College de Londres, qui travaille dans ce domaine.

Bien qu’il n’existe pas encore d’application révolutionnaire, il existe de nombreux domaines dans lesquels l’informatique neuromorphique apportera des gains significatifs en termes d’efficacité énergétique et de performances, et je suis sûr que nous commencerons à voir une large adoption de la technologie à mesure qu’elle mûrira, dit-il.

L’informatique neuromorphique couvre une gamme d’approches – allant d’une approche simplement inspirée du cerveau à une simulation quasi totale du cerveau humain (dont nous sommes vraiment loin).

Mais il existe certaines propriétés de conception de base qui le distinguent de l’informatique conventionnelle.

Premièrement, contrairement aux ordinateurs classiques, les ordinateurs neuromorphiques ne disposent pas d’unités de mémoire et de traitement séparées. Au lieu de cela, ces tâches sont effectuées ensemble sur une seule puce, dans un seul endroit.

La suppression de la nécessité de transférer des données entre les deux réduit l’énergie utilisée et accélère le temps de traitement, note le professeur Kenyon.

Une approche informatique pilotée par les événements peut également être courante.

Contrairement à l’informatique conventionnelle où chaque partie du système est toujours active et disponible pour communiquer avec n’importe quelle autre partie à tout moment, l’activation dans l’informatique neuromorphique peut être plus rare.

Les neurones et les synapses d’imitation ne s’activent qu’à un moment donné lorsqu’ils ont quelque chose à communiquer, de la même manière que de nombreux neurones et synapses dans notre cerveau n’entrent en action que lorsqu’il y a une raison.

Travailler uniquement lorsqu’il y a quelque chose à traiter permet également d’économiser de l’énergie.

Et tandis que les ordinateurs modernes sont numériques et utilisent des 1 ou des 0 pour représenter les données, une informatique neuromorphique peut être analogique.

Historiquement importante, cette méthode de calcul repose sur des signaux continus et peut être utile lorsque des données provenant du monde extérieur doivent être analysées.

Cependant, pour des raisons de facilité, la plupart des efforts neuromorphiques à vocation commerciale sont numériques.

Les applications commerciales envisagées se répartissent en deux catégories principales.

L’un des objectifs de SpiNNcloud est de fournir une plate-forme plus économe en énergie et plus performante pour les applications d’IA, notamment l’analyse d’images et de vidéos, la reconnaissance vocale et les modèles de langage volumineux qui alimentent les chatbots tels que ChatGPT.

Une autre possibilité réside dans les applications de « edge computing » où les données sont traitées non pas dans le cloud, mais en temps réel sur des appareils connectés, mais qui fonctionnent avec des contraintes de puissance. Les véhicules autonomes, les robots, les téléphones portables et les technologies portables pourraient tous en bénéficier.

Des défis techniques demeurent cependant. Le développement du logiciel nécessaire au fonctionnement des puces a longtemps été considéré comme l’un des principaux obstacles à l’avancée de l’informatique neuromorphique.

Bien que disposer du matériel soit une chose, il faut le programmer pour qu’il fonctionne, ce qui peut nécessiter de développer à partir de zéro un style de programmation totalement différent de celui utilisé par les ordinateurs conventionnels.

Le potentiel de ces appareils est énorme, le problème est de savoir comment les faire fonctionner, résume M. Hutcheson, qui prédit qu’il faudra au moins une décennie, voire deux, avant que les avantages de l’informatique neuromorphique ne se fassent réellement sentir.

Le coût pose également problème. Que l’on utilise du silicium, comme le font les initiatives à vocation commerciale, ou d’autres matériaux, la création de puces radicalement nouvelles est coûteuse, note le professeur Kenyon.

Le prototype actuel de puce neuromorphique d’Intel s’appelle Loihi 2.

En avril, la société a annoncé avoir réuni 1 152 d’entre eux pour créer Hala Point, un système de recherche neuromorphique à grande échelle comprenant plus de 1,15 milliard de faux neurones et 128 milliards de fausses synapses.

Avec une capacité neuronale à peu près équivalente à celle d’un cerveau de hibou, Intel affirme qu’il s’agit du plus grand système au monde à ce jour.

Pour l’instant, il s’agit encore d’un projet de recherche pour Intel.

[But Hala Point] Cela montre qu’il existe une réelle viabilité pour les applications utilisant l’IA, déclare Mike Davies, directeur du laboratoire d’informatique neuromorphique d’Intel.

De la taille d’un four à micro-ondes, Hala Point est pertinent sur le plan commercial et des progrès rapides sont réalisés du côté logiciel, dit-il.

IBM appelle son dernier prototype de puce inspiré du cerveau NorthPole.

Dévoilé l’année dernière, il s’agit d’une évolution de son prototype de puce TrueNorth précédent. Les tests montrent qu’il est plus économe en énergie, plus efficace en termes d’espace et plus rapide que n’importe quelle puce actuellement sur le marché, explique Dharmendra Modha, responsable scientifique de l’informatique inspirée du cerveau de la société. Il ajoute que son groupe travaille actuellement à démontrer que les puces peuvent être assemblées pour former un système plus vaste.

Le chemin vers le marché sera une histoire à venir, dit-il. L’une des grandes innovations de NorthPole, note le Dr Modha, est qu’il a été conçu conjointement avec le logiciel afin que toutes les capacités de l’architecture puissent être exploitées dès le départ.

D’autres entreprises neuromorphiques plus petites incluent BrainChip, SynSense et Innatera.

Le supercalculateur SpiNNclouds commercialise l’informatique neuromorphique développée par des chercheurs de la TU Dresden et de l’Université de Manchester, sous l’égide du projet Human Brain de l’UE.

Ces efforts ont abouti à deux supercalculateurs neuromorphiques à des fins de recherche : la machine SpiNNaker1 basée à l’Université de Manchester, composée de plus d’un milliard de neurones, et opérationnelle depuis 2018.

Une machine SpiNNaker2 de deuxième génération actuellement en cours de configuration à l’Université technique de Dresde est capable d’émuler au moins cinq milliards de neurones. Les systèmes disponibles dans le commerce proposés par SpiNNcloud peuvent atteindre un niveau encore plus élevé, avec au moins 10 milliards de neurones, explique M. Gonzalez.

L’avenir verra différents types de plateformes informatiques – conventionnelles, neuromorphiques et quantiques, qui est un autre nouveau type d’informatique également à l’horizon – toutes fonctionnant ensemble, explique le professeur Kenyon.