Accélérer l’intelligence artificielle avec la nouvelle puce à autoapprentissage Intel

10 octobre 2017 // Par A. Dieul
Le travail d'Intel Labs a permis de développer une puce neuromorphique à autoapprentissage, supérieure à tout ce qui avait été fait auparavant : la puce de test Loihi. Celle-ci reproduit un certain nombre de fonctions du cerveau et apprend à partir des retours offerts par son environnement.

Cette puce basse consommation utilise les données pour l’apprentissage et l’inférence, et devient plus intelligente avec le temps. Elle n'a pas besoin d'être entraînée de façon traditionnelle, ce qui demande une approche novatrice basée sur les impulsions asynchrones. 

La collecte, l'analyse et la prise de décision à partir de données naturelles – dynamiques et non-structurées – entraînent une croissance importante de la demande en calcul ; celle-ci pourrait dépasser les architectures CPU et GPU classiques. Pour répondre au rythme effréné de l'évolution technologique et permettre à l'informatique de dépasser les seuls PC et serveurs, Intel travaille depuis six ans sur des architectures spécialisées qui accélèrent les plateformes de calcul traditionnelles. Intel alloue également des investissements et des ressources de R&D à l'intelligence artificielle (IA) et à l'informatique neuromorphique. 

Le travail d'Intel Labs a permis de développer une puce neuromorphique à autoapprentissage, supérieure à tout ce qui avait été fait auparavant : la puce de test Loihi. Celle-ci reproduit un certain nombre de fonctions du cerveau et apprend à partir des retours offerts par son environnement. Cette puce basse-consommation utilise les données pour l’apprentissage et l’inférence, et devient plus intelligente avec le temps. Elle n'a pas besoin d'être entraînée de façon traditionnelle, ce qui demande une approche novatrice basée sur les impulsions asynchrones. 

La puce de test Intel Loihi offre un apprentissage hautement flexible, et combine entraînement et inférence sur une seule et même puce. Cela permet aux machines d'être plus autonomes et de s'adapter en temps réel plutôt que d'attendre une mise-à-jour venue du cloud. Les chercheurs ont ainsi réussi à atteindre un rythme d'apprentissage 1 million de fois plus rapide qu'avec les autres réseaux neuronaux à impulsions (mesuré en nombre total d'opérations pour atteindre une fiabilité donnée lors de la résolution de problèmes de reconnaissance de chiffres MNIST). La puce de test Intel Loihi consomme bien moins de ressources que des technologies comme les réseaux neuronaux convolutionnels ou les