Microsoft fait fonctionner une « vraie » IA avec une simple Raspberry Pi

Le développement « matériel » des technologies d’intelligence artificielle suit pour l’instant deux courants principaux; le premier courant, qui est aussi le plus important en terme de coûts, implique de très gros serveurs de calculs destinés à effectuer des traitements sur une masse considérable de données (Big Data); c’est la voie choisie par Google, IBM et Microsoft, qui utilisent leurs serveurs comme des siphons à données venant « alimenter » des logiciels de deep learning semblables à des ogres informatiques.

Le second courant est celui d’une IA déportée et mobile; il se murmure qu’Apple travaillerait sur une puce dédiée à l’IA , ce qui lui permettrait de ne pas dépendre de serveurs externes et surtout de respecter son engagement de ne pas traiter en masse les données des utilisateurs iOS. Qualcomm travaille aussi sur cette voie et a présenté récemment une puce entièrement dédiée aux calculs pour les IA embarquées. Et comme on peut s’en douter, ces puces mobiles de dernière génération devront être extrêmement puissantes.

Une troisième voie se dessine grâce aux équipes du Microsoft Lab situées à Redmond et à Bangalore (Inde); les ingénieurs de Redmond ont en effet réussi à faire fonctionner une IA et un système de reconnaissance visuelle capable de détecter les écureuils (si, si !) grâce à un simple Raspberry Pi 3. Les algorithmes de deep Learning ont été profondément retravaillés pour « tenir » dans cette configuration matérielle très limitée. Ofer Dekel, l’un des chefs de projet du Microsoft Lab, estime que « n’importe quel hobbyiste disposant d’un Raspberry Pi devrait être capable de faire cela« .

Pour faire tenir son iA sur un système de seulement quelques ko de RAM, l’équipe du Microsoft Lab a compressé les paramètres de son réseau de neurones virtuels jusqu’à une taille de quelques bits au lieu des 32 bits d’origine; les algorithmes ont de leur côté subi aussi une « sparsification », c’est à dire une réécriture permettant d’éviter au maximum les redondances de code.

Le plus compliqué sera néanmoins de passer à l’étape supérieure, et sur des projets d’IA nettement plus sophistiqués : « il n’existe aujourd’hui aucun moyen de prendre un réseau neuronal « profond », et de le rendre tout aussi performant qu’actuellement tout en consommant 10 000 fois moins de ressources » déclare un Ofer Deckel lucide. Pour changer la donne, il faudrait inventer de nouveaux types d’iA, qui pourraient alors essaimer sur des systèmes peu puissants comme les puces de certains appareils électro-ménagers ou les implants médicaux.