Les avancées foudroyantes des technologies logicielles de Machine Learning, illustrées dernièrement par le succès insolent d’AlphaGo, pourraient être démultipliées par l’arrivée de nouveaux composants fonctionnant réellement comme notre cerveau.
Des chercheurs du très fameux MIT annoncent en effet qu’ils ont mis au point une nouvelle génération de puces dont le fonctionnement est semblable à celui de nos neurones. Ces composants révolutionnaires pourraient diviser par 1000 les besoins énergétiques d’un système basé sur le Machine Learning, et ouvrir le chemin à de nouvelles avancées dans le domaine de la voix ou de la reconnaissance d’image.
Ces composants « neuronaux » pourraient demain être à la base d’une informatique neuromorphique, capable de traitements lourds …tout en consommant peu énergie. Ces processeurs neuronaux ont une particularité qui les distingue des composants classiques : ils stockent l’information de façon analogique et non digitale/numérique, ce qui signifie qu’au lieu d’activer des séries de on et de off, ces processeurs modifient l’intensité du signal, d’une manière similaire au comportement des synapses de notre cerveau.
Pour parvenir à des puces aux propriétés si particulières, les chercheurs du MIT ont élaboré un nouveau matériau hybride fait d’une forme cristalline de silice et de germanium. Les premiers systèmes d’IA basés sur ces puces neuronale donnent déjà des résultats surprenants; lors d’un test visant à convertir de la graphie humaine en caractères numériques, le réseau neuronal est parvenu à un taux de réussite de 95%, contre 97% pour un système classique. Si l’on prend en compte la jeunesse de cette technologie, voilà qui est très prometteur…
