Transhumanisme

De nouvelles puces inspirées du cerveau vont fournir l’intelligence à des robots

Beaucoup de technologies nouvelles et sexy sont sur le point de sortir au cours des prochaines années. Elles vont exciter la population mondiale. Ce qu’on ne vous dit pas, c’est que la plupart de ces technologies vont s’interfacer directement avec les humains grâce à des puces insérées dans le cerveau et éventuellement des robots nanites. Nous avons attendu longtemps ces nouvelles technologies, faisons en sorte de ne pas donner nos âmes à un profit commercial. Il y a un Agenda transhumaniste trompeur de l’intelligence artificielle qui se déroule. – Corey Goode

Bien qu’il reçoit des critiques pour cela, Garrett Kenyon, physicien au Laboratoire national de Los Alamos, qualifie l’intelligence artificielle (IA) de « surexcitée ».

Les algorithmes qui sous-tendent tout, de la reconnaissance vocale d’Alexa à la détection des fraudes par carte de crédit, doivent généralement leurs compétences à l’apprentissage en profondeur, dans lequel le logiciel apprend à effectuer des tâches spécifiques en parcourant de vastes bases de données d’exemples.

Ces programmes, souligne Kenyon, n’organisent et ne traitent pas les informations comme le font les cerveaux humains, et ils sont insuffisants en ce qui concerne l’intelligence polyvalente nécessaire aux robots entièrement autonomes, par exemple. « Nous avons beaucoup d’appareils fabuleux qui sont incroyablement utiles », déclare Kenyon. « Mais je n’appellerais pas cela particulièrement intelligent. »

Kenyon et bien d’autres voient l’espoir d’ordinateurs plus intelligents dans une nouvelle technologie appelée calcul neuromorphique.


Au lieu de l’architecture informatique standard, qui traite les informations de manière linéaire, les puces neuromorphiques émulent la façon dont notre cerveau traite les informations, avec une myriade de neurones numériques travaillant en parallèle pour envoyer des impulsions électriques, ou des pointes, aux réseaux d’autres neurones. Chaque neurone de silicium se déclenche lorsqu’il reçoit suffisamment de pics, transmettant son excitation à d’autres neurones, et le système apprend en renforçant les connexions qui se déclenchent régulièrement tout en supprimant celles qui ne le font pas. L’approche excelle dans la détection de motifs dans de grandes quantités de données bruitées, ce qui peut accélérer l’apprentissage. Parce que le traitement de l’information a lieu dans tout le réseau de neurones.

L’informatique neuromorphique n’est pas nouvelle . Pourtant, les progrès ont été lents, les fabricants de puces étant réticents à investir dans la technologie sans marché éprouvé, et les développeurs d’algorithmes ayant du mal à écrire des logiciels pour une architecture informatique entièrement nouvelle. Mais le domaine semble mûrir à mesure que les capacités des puces augmentent, ce qui a attiré une communauté croissante de développeurs de logiciels.

Intel a sorti la deuxième génération de sa puce neuromorphique, Loihi. Il contient 1 million de neurones artificiels, six fois plus que son prédécesseur, qui se connectent les uns aux autres via 120 millions de synapses. D’autres sociétés, telles que BrainChip et SynSense, ont également récemment déployé un nouveau matériel neuromorphique, avec des puces qui accélèrent des tâches telles que la vision par ordinateur et le traitement audio. L’informatique neuromorphique « va être une rock star », déclare Thomas Cleland, neurobiologiste à l’Université Cornell. «Ça ne fera pas tout mieux. Mais il possédera complètement une fraction du domaine de l’informatique.

L’AVENTURE D’INTEL dans l’architecture neuromorphique éloigne le géant des puces de ses célèbres puces informatiques à usage général, connues sous le nom d’unités centrales de traitement (CPU).


Ces dernières années, le rythme des progrès de la technologie silicium des processeurs a commencé à ralentir. Cela a conduit à une prolifération de puces informatiques spécialisées, telles que les unités de traitement graphique (GPU) et les puces de mémoire dédiées, chacune adaptée à un travail spécifique. Les puces neuromorphiques pourraient prolonger cette tendance. Ils excellent dans le traitement des vastes ensembles de données nécessaires pour donner des sens aux ordinateurs, tels que la vision et l’odorat, explique Mike Davies, qui dirige la recherche neuromorphique d’Intel. Cela, ainsi que leur efficacité énergétique, semble les rendre parfaitement adaptés aux appareils mobiles qui ont une alimentation électrique limitée et ne sont pas connectés aux réseaux informatiques traditionnels.

Les efforts d’Intel sont concentrés ici sur le campus Jones Farm de l’entreprise, un complexe de recherche et développement situé juste à l’ouest de Portland, dans l’Oregon. En période de non-pandémie, un bâtiment de quatre étages de la ferme Jones dispose désormais d’une pièce après l’autre de cabines vides, car les ingénieurs logiciels et matériels travaillent à domicile. Au laboratoire de neuromorphologie, où Davies et un personnel squelettique testent les puces Loihi-2 de la taille d’un petit doigt, l’horloge murale est bloquée à 7h43. Le travail à distance a probablement ralenti le déploiement de la nouvelle puce jusqu’à 6 mois, dit Davies.

Mike Davies d’Intel pense que l’informatique neuromorphique aidera les ordinateurs à apprendre comme les gens.

Comme avec Loihi-1, les neurones individuels de Loihi-2 peuvent être programmés pour amplifier ou inhiber la propagation des pointes électriques des neurones voisins. La collaboration avec des neuroscientifiques tels que Cleland a incité les ingénieurs d’Intel à ajouter une autre fonctionnalité cérébrale au nouveau Loihi. Des études sur le traitement olfactif dans le cerveau ont montré que l’intervalle entre les pointes peut coder des informations supplémentaires, et en 2020, Cleland et ses collègues ont démontré le pouvoir d’ajouter des informations temporelles à l’informatique neuromorphique.

Ils ont entrepris de former une puce Loihi de première génération pour reconnaître l’odeur de 10 produits chimiques dangereux dans un mélange de composés de fond. Les chercheurs ont enregistré les lectures de 72 capteurs chimiques dans une soufflerie alors que des parfums la traversaient, notamment de l’acétone, du méthane et de l’ammoniac. Ils ont fourni les données à Loihi, qui a utilisé un algorithme pour représenter et analyser les substances odorantes sous forme de flux d’impulsions électriques qui variaient dans leur schéma temporel. Loihi a pu identifier chaque odeur après un seul échantillon ; Les approches d’apprentissage en profondeur nécessitaient une formation sur jusqu’à 3000 échantillons pour atteindre le même niveau de précision.

Ce succès, selon Davies, a incité Intel à doter ses puces Loihi-2 de la capacité de produire et d’analyser des modèles de pointes temporelles complexes. « Nous essayons d’établir une nouvelle puce informatique intelligente à usage général, flexible et polyvalente », déclare Davies.

Deux groupes ont déjà montré que les puces neuromorphiques peuvent égaler les capacités de certains des programmes d’IA les plus avancés du marché. Le logiciel d’intelligence artificielle d’aujourd’hui repose sur un algorithme d’apprentissage en profondeur connu sous le nom de réseau de neurones à rétropropagation (BPNN), qui permet aux systèmes d’intelligence artificielle d’apprendre de leurs erreurs au fur et à mesure qu’ils sont entraînés. Dans une prépublication publiée sur arXiv en août, Andrew Sornborger, physicien à Los Alamos, et ses collègues ont rapporté avoir programmé la première génération de Loihi pour effectuer une rétropropagation. La puce a appris à interpréter un ensemble de données visuelles couramment utilisées de chiffres manuscrits aussi rapidement que les BPNN conventionnels, tout en consommant seulement 1/100 de puissance.

De même, dans des travaux non publiés, Wolfgang Maass, informaticien à l’Université de technologie de Graz, et ses collègues ont développé un système neuromorphique qui effectue l’apprentissage BPNN avec 1/1000 autant de puissance que l’IA standard pilotée par GPU. « On ne sait pas quelle sera l’application qui tue pour l’informatique neuromorphique », dit Maass, mais il pense que les appareils robotiques qui ont besoin de consommer une énergie minimale pour détecter leur environnement et naviguer à travers eux sont une perspective probable.

KENYON DIT qu’ayant bénéficié d’une compréhension de la biologie, les processeurs neuromorphiques pourraient bientôt rendre la pareille, aidant les neuroscientifiques à mieux comprendre l’évolution et le fonctionnement du cerveau. Les systèmes d’IA standard ne sont pas d’une grande aide, car ils ont tendance à être des boîtes noires qui ne révèlent pas comment se déroule leur apprentissage. Mais Loihi et les puces similaires sont un meilleur modèle car elles se comportent comme des réseaux biologiques de neurones. Les chercheurs peuvent suivre les schémas de déclenchement dans les systèmes à base de silicium pour révéler comment ils apprennent à traiter les informations visuelles, auditives et olfactives et, espérons-le, obtenir de nouvelles informations sur la manière dont la biologie effectue des tâches similaires.

L’année dernière, par exemple, lorsque Kenyon et ses collègues étudiaient comment un logiciel de réseau neuronal à pointes apprend à voir, ils ont utilisé un processus connu sous le nom de formation de dictionnaire non supervisée. Il s’agit de classer les objets sans avoir d’exemples préalables auxquels les comparer. Les chercheurs ont découvert que leur réseau devenait instable au fil du temps, ses neurones se déclenchant en permanence alors qu’il perdait la trace des caractéristiques visuelles qu’il avait apprises. L’état instable, dit Kenyon, « ne survient que lorsqu’on essaie d’utiliser des processeurs neuromorphiques biologiquement réalistes et à pics ou lorsqu’on essaie de comprendre la biologie elle-même ».

Dans l’espoir de remettre leur algorithme sur les rails, les chercheurs ont exposé leur réseau à un type de bruit qui, selon eux, imite l’entrée que les neurones biologiques reçoivent pendant le sommeil. Le bruit a réinitialisé le réseau et amélioré la précision de sa classification d’objets. « C’était comme si nous donnions aux réseaux de neurones l’équivalent d’une bonne nuit de sommeil », explique Yijing Watkins, membre de l’équipe. Maintenant au Pacific Northwest National Laboratory, elle travaille à implémenter l’algorithme sur Loihi pour voir si la forme d’intelligence artificielle du sommeil aide la puce à traiter de manière stable les informations d’une caméra rétinienne en temps réel.

Les futures puces neuromorphiques pourraient révolutionner l’informatique. Mais ils pourraient avoir besoin de siestes pour le faire….

Source


Que pensez-vous de cet article ? Partagez autant que possible. L'info doit circuler.



Aidez Elishean à survivre. Merci


ELISHEAN 777 Communauté pour un Nouveau Monde

Laisser un commentaire

Bouton retour en haut de la page