Une nouvelle IA inspirée du cerveau apprend en temps réel en utilisant une consommation d'énergie ultra-faible

Le cerveau humain est le supercalculateur le plus avancé au monde. Il peut simultanément apprendre et s'adapter sans recourir à d'immenses centres de données comme les systèmes d'IA actuels. Ce mois-ci, une équipe d'ingénieurs du département de génie informatique et électrique de l'université Texas A&M et d'autres institutions de premier plan a présenté un système d'IA inspiré du cerveau qui pourrait améliorer les performances et ouvrir la voie à des protocoles plus intelligents. Voici ce que vous devez savoir. 

Les limites de l'IA traditionnelle et de l'architecture Turing

L'intelligence artificielle est l'un des secteurs technologiques les plus dynamiques et les plus prometteurs au monde. En quelques années seulement, les algorithmes d'IA, autrefois réservés aux ingénieurs de haut niveau de Google et Microsoft, sont devenus un outil courant pour le commun des mortels. Au cours de cette évolution, les systèmes d'IA ont continuellement gagné en performances et en capacités. Parallèlement à cette augmentation des performances, les capacités matérielles ont également progressé. 

Les systèmes d'IA reposent notamment sur l'architecture Turing. Ce type de calcul doit son nom à son inventeur, Alan Turing. Il a imaginé que les ordinateurs pourraient offrir de meilleures performances si certaines parties de leurs opérations étaient séparées. 

Cette structure implique que les processeurs et la mémoire des ordinateurs sont physiquement séparés au sein de la puce. Cette séparation a depuis dicté la conception matérielle des machines. Sa vision des ordinateurs reste l'architecture la plus répandue, malgré des décennies écoulées depuis sa découverte. 

La crise énergétique : pourquoi l’IA moderne a besoin d’un nouveau modèle

Le problème avec cette configuration est que les systèmes d'IA nécessitent des quantités massives de données. Dans certains cas, des centres de données entiers doivent être construits de A à Z, en utilisant le matériel le plus avancé pour répondre aux exigences système. Malheureusement, cette structure n'est pas viable. 

Les grands centres de données sont d'énormes consommateurs d'énergie, pouvant consommer autant d'énergie que des villes entières. Dans de nombreux cas, ces systèmes s'appuient sur les énergies renouvelables, ce qui contribue à réduire l'impact environnemental. Cependant, la demande croissante de systèmes d'IA nécessite une amélioration de leur efficacité pour assurer la pérennité de ces protocoles.

Pourquoi les modèles d'IA actuels ne peuvent pas s'adapter en temps réel

De plus, cette structure implique que l'évolutivité de ces protocoles repose sur leurs contraintes matérielles plutôt que logicielles. Même les systèmes les plus avancés doivent attendre que les données soient physiquement transmises entre les composants matériels d'un appareil. 

 Présentation d'une IA Super-Turing : inspirée du cerveau humain

Un autre inconvénient des systèmes d'IA basés sur Turing est qu'ils reposent sur des points de données prédéfinis. Les modèles actuels n'offrent aucun moyen de modifier leurs performances en cours de fonctionnement. Ces systèmes s'appuient sur les données fournies pour effectuer la rétropropagation. 

Cette approche diffère de celle du cerveau, qui utilise une combinaison de connaissances et de conditions environnementales pour réaliser des évaluations précises avec une fraction de l'énergie nécessaire. Il est notamment biologiquement impossible de reproduire la rétropropagation, car cela nécessiterait que la personne ait déjà vécu la situation auparavant. Conscients de ces faits, les ingénieurs ont cherché à développer un système d'IA imitant l'apprentissage humain.  

Comment les résistances synaptiques apprennent comme notre cerveau

L'étude "Circuit de résistance synaptique à base de HfZrO pour un système intelligent Super-Turing"¹ présente un système d'IA neuromorphique capable d'imiter la façon dont le cerveau apprend à s'adapter en temps réel aux conditions. L'étude, menée par une équipe de chercheurs de l'UCLA, de Texas A&M et d'autres centres de recherche, a été publiée dans Science Advances. Pour ce faire, l'équipe a créé un circuit « synstor » (résistance synaptique) capable d'apprendre comme votre cerveau. 

Source – Département de génie informatique et électrique de l'Université Texas A&M

Efficacité comparable à celle du cerveau : une IA qui consomme des microwatts, pas des mégawatts

Les ingénieurs à l'origine de cette étude reconnaissent que le cerveau humain est encore largement en avance sur l'IA dans de nombreux domaines, comme la consommation d'énergie et la flexibilité. Les processus neuronaux du cerveau lui permettent d'exécuter des fonctions corporelles complexes tout en s'adaptant aux conditions changeantes de l'environnement. 

En termes d'efficacité énergétique, le cerveau humain ne nécessite qu'environ 20 watts pour fonctionner. À titre de comparaison, les systèmes d'IA avancés actuels peuvent consommer jusqu'à 1 milliard de watts en fonctionnement. Cette consommation d'énergie provient des circuits et composants de traitement, ainsi que de l'architecture des systèmes d'IA.  

 Comprendre la plasticité synaptique en intelligence artificielle

Les ingénieurs ont commencé par étudier la plasticité synaptique du cerveau. Votre cerveau possède des millions de neurones qui alimentent votre mémoire et votre apprentissage. Ces zones de communication, où les nerfs se rencontrent, sont appelées synapses. La plasticité synaptique désigne la capacité du cerveau à renforcer les connexions les plus utilisées. Elle désigne également sa capacité à créer de nouvelles voies lorsqu'elle est jugée plus efficace. 

Le secret du cerveau : basculer entre les modes Turing et Super-Turing

Il est clair que le cerveau peut fonctionner à la fois en mode Turing et en mode super-Turing. En mode Turing, il utilise des tâches et des actions pré-appris. Lorsque des scénarios inattendus surviennent ou que les conditions changent de manière imprévisible, il passe automatiquement en mode super-Turing. Cette approche permet au cerveau de s'adapter en permanence à son environnement.

Comment l'IA Super-Turing apprend et s'adapte instantanément

Les scientifiques ont découvert que cet état de super-rotation est au cœur des capacités uniques du cerveau. Ils ont utilisé cette structure pour repenser les architectures d'IA, imaginant un flux opérationnel plus proche de celui de l'humain, où l'apprentissage et l'inférence se produisent simultanément. 

Cette stratégie réduit considérablement la consommation d'énergie. L'élimination du besoin de déplacer d'énormes quantités de données entre les composants matériels réduit la consommation et améliore les performances. Elle favorise également l'adaptabilité en temps réel tout en réduisant la consommation d'énergie à des niveaux historiquement bas.

À l'intérieur du Synstor : le circuit ferroélectrique imitant l'apprentissage humain

Au cœur de cette étude se trouve la création d'un circuit de capteur inclusif capable de traiter, d'apprendre et de fonctionner simultanément de manière fluide. Dans le cadre de son étude, l'équipe a fabriqué un circuit de synthons à base de Hf0.5Zr0.5Ο2.  

Ce circuit sur mesure comportait des résistances synaptiques intégrant des matériaux ferroélectriques HfZrO. Les matériaux ferroélectriques, comme les oxydes Hf, permettent notamment aux ingénieurs de créer des mémoires analogiques non volatiles et des dispositifs neuromorphiques évolutifs, compatibles Si. 

Simulation de drone : humain, IA ou Synstor

L'équipe a mis en place une simulation de vol de drone et a fait appel à une IA traditionnelle, à un humain et à un système d'IA super-turing pour piloter la simulation afin de tester sa théorie. Avant toute turbulence ou obstacle, le circuit synstor, les opérateurs humains et le réseau neuronal artificiel ont appris à piloter le drone vers sa position cible sans problème ni retard. 

Cependant, l'ajout d'arbres ou de vents violents a entraîné une baisse des performances de tous les participants. Plus précisément, le système d'IA humain et de circuit Synstor a mené à bien la tâche. Le système d'IA traditionnel, incapable de s'adapter au nouvel environnement, n'a pas pu terminer le test, les obstacles supplémentaires ayant réduit ses performances.

Adaptabilité de l'IA en action : résultats du parcours d'obstacles des drones

L'étude a montré que les nouveaux circuits de résistance synaptique développés par les ingénieurs soutiennent des systèmes d'IA Super-Turing efficaces et adaptatifs, capables de naviguer dans des environnements réels incertains et dynamiques. Ils ont examiné pourquoi seuls l'humain et le drone propulsé par Synstor ont pu terminer le parcours. Leur succès est dû à leur capacité d'adaptation instantanée. 

Pourquoi les circuits Synstor représentent une avancée majeure dans l'IA durable

Un système d'IA basé sur des circuits Synstor pourrait apporter plusieurs avantages au marché. Il ouvrirait notamment la voie à des options d'IA plus avancées et performantes. Ces protocoles seraient capables d'inférence et d'apprentissage simultanés en temps réel, ouvrant ainsi la voie aux protocoles d'IA de nouvelle génération. 

Respectueux de l'environnement: L'architecture du système d'IA de l'ingénieur utilise une fraction de l'électricité nécessaire à l'exécution des protocoles d'IA traditionnels. Cette consommation énergétique optimisée permet aux systèmes d'IA de Synstor de revendiquer le titre d'architecture d'IA la plus écologique pour les données. La demande croissante pour ces services s'accompagne d'un besoin croissant d'options durables. 

Rendement : Les ingénieurs ont réussi à créer un système imitant le cerveau humain. Leur approche réduit les besoins énergétiques des systèmes d'IA et leur permet d'optimiser leur consommation lors de l'exécution ou de l'entraînement de nouveaux modèles. 

Adaptabilité: L'un des principaux avantages de cette structure d'IA est son adaptabilité. Les systèmes d'IA doivent gagner en rapidité et en adaptabilité pour gérer le nombre croissant de tâches qui leur sont confiées. Du pilotage de votre véhicule électrique jusqu'à votre domicile au choix des chansons à écouter, les futurs systèmes d'IA prendront en compte leur environnement dans leurs procédures de traitement. 

Applications futures : l'IA de type cérébral dans les voitures, les objets connectés et les technologies militaires

Ce système d'IA inspiré du cerveau a le potentiel de révolutionner l'industrie. Il offre aux ingénieurs la perspective d'un développement durable de l'IA et pourrait soutenir la création des systèmes autonomes avancés de demain. Cette technologie trouvera également sa place dans la robotique, les objets connectés et le secteur médical.  

Informatique avancée : On peut s'attendre à voir prochainement des systèmes d'IA avancés utiliser cette technologie. La consommation énergétique réduite réduira les coûts d'exploitation de ces systèmes, ce qui en fera une alternative intéressante au statu quo. De plus, l'amélioration de la conception de la puce Synstor favorisera son adoption. 

Militaire: L'armée est l'un des plus fervents défenseurs de l'IA. Les systèmes d'IA peuvent faciliter le suivi, le ciblage, la planification et la logistique, améliorant ainsi les capacités opérationnelles de toute armée qui les utilise. À l'avenir, les systèmes d'IA équiperont des munitions rôdeuses et des drones avancés, aidant ainsi les planificateurs à maintenir une connaissance situationnelle précise. 

Véhicules autonomes: L'un des principaux cas d'utilisation de l'IA avancée est le pilotage de véhicules autonomes. Le rêve de voitures entièrement autonomes a mis du temps à se concrétiser, mais les avancées récentes rendent ce projet plus proche que jamais. Cette dernière avancée en matière d'IA contribuera à améliorer les performances et ouvrira la voie à des véhicules autonomes plus performants, capables de voler et bien plus encore. 

Cette technologie contribuera un jour à améliorer la sécurité des communautés et à simplifier vos tâches quotidiennes. Cependant, certains détails et obstacles restent à surmonter avant sa généralisation. Malgré ces obstacles, son adoption commerciale potentielle est estimée à 5 à 10 ans, avec des applications à plus court terme pour des tâches d'IA spécialisées à faible consommation d'énergie. 

Rencontrez l'équipe de recherche derrière cette avancée en matière d'IA

Des ingénieurs du département de génie informatique et électrique de l'université Texas A&M et de l'université de Californie à Los Angeles ont collaboré pour mener à bien cette étude. Jungmin Lee, Rahul Shenoy et Atharva Deo ont notamment dirigé les recherches. 

Ils ont bénéficié de l'aide d'une équipe d'ingénieurs, composée notamment de Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian-Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu et Yong Chen. L'étude a notamment bénéficié d'un financement du Bureau de la recherche scientifique de l'armée de l'air. 

 L'angle commercial : Comment NVIDIA et d'autres font progresser l'IA neuromorphique

La course à l'IA est lancée, et les entreprises concurrentes dépensent des milliards pour tenter de dominer le secteur. Le caractère relativement disruptif de l'IA offre de nouvelles opportunités à des entreprises comme OpenAI, venues de nulle part, pour s'assurer une place de choix sur le marché. S'il est très difficile de déterminer qui sera le prochain acteur du secteur, il est facile d'identifier ceux qui ont dominé le marché ces dernières années.  

NVIDIA Corporation

NVIDIA (NVDA -3.15%) Lancée sur le marché en 1993, elle est basée en Californie. Ce fabricant de cartes graphiques 3D, aujourd'hui mondialement connu, a été le pionnier des ASIC et d'autres conceptions révolutionnaires au fil des ans. Ces améliorations ont permis à l'entreprise de se repositionner, passant d'un simple fabricant de cartes graphiques pour le jeu à l'un des noms les plus reconnus du secteur de l'IA.

 L'ascension de NVIDIA n'est pas passée inaperçue. Son action a connu une croissance considérable et, en juin 2024, la capitalisation boursière de l'entreprise a atteint 3 XNUMX milliards de dollars. Aujourd'hui, NVIDIA est un leader du matériel d'IA neuromorphique et de pointe. À ce titre, l'entreprise reste fortement impliquée dans la conception d'architectures d'IA inspirées du cerveau et améliorant l'efficacité de l'inférence. Si vous recherchez une action d'IA fiable et éprouvée, nous vous recommandons de vous renseigner davantage sur NVIDIA. 

Pour un aperçu plus approfondi de NVIDIA, assurez-vous de jetez un œil à notre coup de projecteur sur ce géant de l'industrie.

Dernières nouvelles de NVIDIA Corporation

L'avenir de l'IA : l'intelligence naturelle, conçue artificiellement

Les ingénieurs à l'origine de cette étude ont franchi une nouvelle étape dans les capacités de l'IA. Leur nouvelle conception de puce permettra à l'IA de développer des algorithmes plus rapides et plus intelligents. Ces systèmes équiperont un jour presque tous les composants de votre vie. Pour l'instant, cette recherche démontre comment les scientifiques peuvent s'inspirer de la nature et du corps humain pour propulser l'innovation vers de nouveaux sommets. 

Découvrez d'autres projets d'IA intéressants maintenant.

Études référencées :

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, JJ, Williams, RS, Wu, Q., et Chen, Y. (2025). Circuit de résistance synaptique à base de HfZrO pour un système intelligent Super-Turing. Progrès scientifiques, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}