Nouvelle IA inspirée du cerveau apprend en temps réel avec une puissance ultra‑faible

Le cerveau humain est le superordinateur le plus avancé au monde. Il peut apprendre et s’adapter simultanément sans recourir à d’énormes centres de données comme les systèmes d’IA actuels. Ce mois-ci, une équipe d’ingénieurs du Département d’informatique et d’électrotechnique du Texas A&M ainsi que d’autres institutions de premier plan ont présenté un système d’IA inspiré du cerveau qui pourrait offrir de meilleures 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 de Turing

L’intelligence artificielle est l’une des industries technologiques à la croissance la plus rapide et la plus passionnante au monde. En quelques années seulement, les algorithmes d’IA sont passés d’un accès réservé aux ingénieurs de haut niveau de Google et Microsoft à un outil courant pour la personne moyenne. Au cours de ce parcours, les systèmes d’IA ont constamment augmenté en performance et en capacités. Parallèlement à cette hausse de performance, une amélioration des capacités matérielles s’est également produite. 

Notamment, les systèmes d’IA reposent sur l’architecture de Turing. Ce style de calcul porte le nom de son inventeur, Alan Turing. Il a conçu que les ordinateurs pourraient offrir de meilleures performances si certaines parties de leurs opérations étaient séparées. 

Cette structure signifie que les ordinateurs ont leur traitement et leur mémoire physiquement séparés au sein de la conception de la puce. Cette séparation a dicté la conception matérielle des machines depuis lors. Sa vision des ordinateurs reste l’architecture la plus largement utilisée, malgré plusieurs décennies écoulées depuis sa découverte. 

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

Le problème de cette configuration est que les systèmes d’IA nécessitent d’énormes quantités de données. Dans certains cas, des centres de données entiers doivent être construits de zéro, en utilisant le matériel le plus avancé comme partie des exigences du système. Malheureusement, cette structure n’est pas durable. 

Les grands centres de données sont d’énormes gouffres énergétiques qui peuvent consommer autant d’énergie que des villes entières. Dans de nombreux cas, ces systèmes s’appuient sur des énergies renouvelables, ce qui a contribué à réduire l’impact environnemental. Cependant, la demande croissante pour les systèmes d’IA implique qu’il faut améliorer l’efficacité afin de rendre ces protocoles durables à l’avenir.

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

De plus, cette structure signifie que l’évolutivité de ces protocoles repose sur le matériel plutôt que sur les contraintes logicielles. Même le système le plus avancé doit encore attendre que les données soient physiquement transférées 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 dépendent de points de données prédéfinis. Les modèles actuels n’offrent aucun moyen de modifier leurs performances pendant le fonctionnement. Ces systèmes s’appuient sur les données fournies pour réaliser la rétropropagation. 

Cette approche diffère de votre cerveau, qui utilise une combinaison de connaissances et de conditions environnementales pour effectuer des évaluations précises avec une fraction de l’énergie. Notamment, il est biologiquement impossible de reproduire la rétropropagation car cela exigerait que la personne ait déjà vécu la situation auparavant. En reconnaissant ces faits, les ingénieurs ont cherché à développer un système d’IA qui imite l’apprentissage humain.  

Comment les résistances synaptiques apprennent comme nos cerveaux

L’étude “Circuit de résistance synaptique à base de HfZrO pour un système intelligent Super‑Turing” introduit un système d’IA neuromorphique qui peut imiter la façon dont le cerveau apprend afin de fournir une adaptabilité en temps réel basée sur les conditions. L’étude a été présentée par une équipe de chercheurs de UCLA, Texas A&M et d’autres installations de recherche et a été publiée dans Science Advances. Pour accomplir cette tâche, l’équipe a créé un circuit « synstor » (résistance synaptique) qui peut apprendre comme votre cerveau. 

Source – Département d’informatique et d’électrotechnique du Texas A&M

Efficacité semblable au cerveau : IA qui consomme des microwatts, pas des mégawatts

Les ingénieurs à l’origine de cette étude reconnaissent que le cerveau humain reste bien en avance sur l’IA dans de nombreux aspects, tels que la consommation d’énergie et la flexibilité. Les processus neuronaux du cerveau lui permettent d’exécuter des fonctions corporelles complexes tout en s’adaptant simultanément aux conditions changeantes autour de vous. 

En termes d’efficacité énergétique, le cerveau humain ne nécessite qu’environ 20 watts pour fonctionner. En comparaison, le système d’IA avancé d’aujourd’hui peut consommer jusqu’à un milliard de watts pendant son fonctionnement. Cette consommation d’énergie provient des voies de traitement et des composants, 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 dans les cerveaux. 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 qui sont utilisées plus fréquemment. Elle fait également référence à la capacité du cerveau à créer de nouvelles voies lorsqu’elles sont jugées plus efficaces. 

Le secret du cerveau : passer des modes Turing et Super‑Turing

De manière perspicace, les cerveaux peuvent fonctionner à la fois en mode Turing et en mode super‑Turing. Lorsqu’il est en état opérationnel Turing, votre cerveau utilisera des tâches et actions préapprises. Lorsque des scénarios inattendus surviennent ou que les conditions changent de manière imprévisible, votre cerveau basculera automatiquement en mode super‑Turing. Cette approche permet à votre cerveau de toujours s’adapter à votre environnement.

Comment l’IA Super‑Turing apprend et s’adapte instantanément

Les scientifiques constatent que cet état de super‑tournant est au cœur des capacités uniques du cerveau. Ils ont utilisé cette structure pour réimaginer les architectures d’IA, envisageant un flux opérationnel plus semblable à celui de l’humain où l’apprentissage et l’inférence se produisent simultanément. 

Cette stratégie réduit considérablement la consommation d’énergie. L’élimination de la nécessité de déplacer d’énormes quantités de données à travers les composants matériels réduit la consommation et améliore les performances. Elle prend également en charge l’adaptabilité en temps réel tout en réduisant la consommation d’énergie à de nouveaux niveaux 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 capteur inclusif capable de traiter, d’apprendre et de fonctionner simultanément de manière fluide. L’équipe a fabriqué un circuit de synstors à base de Hf0.5Zr0.5Ο2 dans le cadre de leur étude. 

Ce circuit conçu sur mesure intégrait des résistances synaptiques incorporant des matériaux ferroélectriques HfZrO. Notamment, les matériaux ferroélectriques, comme les oxydes de Hf, offrent aux ingénieurs la capacité de créer des mémoires analogiques non volatiles, évolutives et compatibles Si, ainsi que des dispositifs neuromorphiques. 

Simulation de drone : humain vs IA vs Synstor

L’équipe a mis en place une simulation de vol de drone et a fait naviguer un IA traditionnel, un humain et un système d’IA super‑Turing dans la simulation pour tester leur théorie. Avant toute turbulence ou obstacle, le circuit synstor, les opérateurs humains et le réseau de neurones artificiels (ANN) ont réussi à piloter le drone vers sa position cible sans aucun problème ni retard. 

Cependant, lorsque des arbres ou de forts vents ont été ajoutés à l’équation, les performances de toutes les parties ont diminué. Plus précisément, l’humain et le système d’IA basé sur le circuit synstor ont accompli la tâche. Le système d’IA traditionnel n’a pas pu s’adapter au nouvel environnement et n’a pas terminé le test, les obstacles supplémentaires ayant réduit ses performances.

Adaptabilité de l’IA en action : résultats du parcours d’obstacles du drone

L’étude a montré que les circuits de résistance synaptique récemment 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 le drone piloté par un humain et celui alimenté par le synstor pouvaient terminer le parcours. Leur succès était dû à leur capacité à s’adapter en temps réel.

Pourquoi les circuits Synstor représentent un bond en avant pour l’IA durable

Il existe plusieurs avantages qu’un système d’IA à circuit synstor pourrait apporter au marché. Tout d’abord, ils ouvriront la porte à des options d’IA plus avancées et plus performantes. Ces protocoles seront capables d’inférence et d’apprentissage en temps réel simultanés, offrant une passerelle vers les protocoles d’IA de prochaine génération. 

Écologique: L’architecture du système d’IA des ingénieurs utilise une fraction de l’électricité requise pour faire fonctionner les protocoles d’IA traditionnels. Cette utilisation d’énergie améliorée permet aux systèmes Synstor IA de revendiquer le titre d’architecture d’IA la plus écologique pour les données. À mesure que la demande pour ces services augmente, le besoin d’options durables augmentera également.

Efficacité: Les ingénieurs ont réussi à créer un système qui imite le cerveau humain. Leur approche réduit les besoins énergétiques de manière globale pour les systèmes d’IA et permet aux systèmes d’IA d’optimiser leur consommation d’énergie 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 devenir plus rapides et plus adaptables pour gérer le nombre croissant de tâches qui leur sont confiées. De la conduite de votre véhicule électrique à la décision des chansons à jouer pour vous, les futurs systèmes d’IA tiendront compte de leur environnement dans leurs procédures de traitement.

Applications futures : IA semblable au cerveau dans les voitures, les appareils portables et la technologie militaire

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

Calcul avancé: Vous pouvez vous attendre à voir bientôt des systèmes d’IA avancés utilisant cette technologie. La réduction de la consommation d’énergie diminuera les coûts d’exploitation de ces systèmes, les rendant une option attrayante par rapport au statu quo. De plus, à mesure que la conception de la puce synstor s’améliorera, elle favorisera une adoption accrue.

Militaire: L’armée est l’un des plus grands défenseurs de l’IA. Les systèmes d’IA peuvent aider à la surveillance, au ciblage, à la planification et à la logistique, améliorant les capacités opérationnelles de toute armée qui les utilise. À l’avenir, vous verrez des systèmes d’IA alimenter des munitions de stationnement avancées et des drones, et aider les planificateurs à maintenir la conscience situationnelle..

Véhicules autonomes: L’un des scénarios d’utilisation principaux pour l’IA avancée est la conduite de véhicules autonomes. Le rêve de voitures entièrement autonomes a mis du temps à se concrétiser, mais les avancées récentes ont rapproché la vision comme jamais auparavant. Cette dernière percée en IA aidera à améliorer les performances et ouvrira la voie à des véhicules autonomes plus avancés capables de voler et plus encore.

Cette technologie aidera un jour à rendre les communautés plus sûres et vos tâches quotidiennes plus faciles. Cependant, il reste encore des détails et des obstacles que la technologie doit surmonter avant de devenir grand public. Malgré ces retards, l’adoption commerciale potentielle est estimée entre 5 et 10 ans, avec des applications à plus court terme dans des tâches d’IA spécialisées à faible consommation.

Rencontrez l’équipe de recherche derrière cette percée en IA

Des ingénieurs du Département d’informatique et d’électrotechnique du Texas A&M et de l’Université de Californie à Los Angeles ont collaboré pour mettre en lumière cette étude. Plus précisément, Jungmin Lee, Rahul Shenoy et Atharva Deo ont dirigé la recherche. 

Ils ont été aidés par une équipe d’ingénieurs, dont 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. Il convient de noter que l’étude a reçu un financement de l’Air Force Office of Scientific Research. 

 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. La nature relativement perturbatrice de l’IA signifie qu’il existe de nouvelles opportunités pour des entreprises comme OpenAI d’émerger de nulle part et d’assurer une place de choix sur le marché. Bien qu’il soit très difficile de déterminer qui sera le prochain nouvel acteur du secteur, il est facile de voir qui a dominé le marché ces dernières années.  

NVIDIA Corporation

NVIDIA est entrée sur le marché en 1993 et est basée en Californie. Le fabricant désormais mondialement célèbre de cartes graphiques 3D a été pionnier des ASIC et d’autres conceptions révolutionnaires au fil des ans. Ces améliorations ont aidé l’entreprise à se requalifier d’une société de cartes graphiques de jeu à l’un des noms les plus reconnaissables 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, l’entreprise a atteint une capitalisation boursière de 3 000 milliards de dollars. Aujourd’hui, NVIDIA est un leader dans le matériel d’IA neuromorphique et edge. En tant que tel, elle reste fortement impliquée dans la conception de l’efficacité de l’inférence IA et des architectures inspirées du cerveau. Ceux qui recherchent une action IA fiable et éprouvée devraient prendre le temps d’approfondir leurs recherches sur NVIDIA. 

For a closer look at NVIDIA, make sure to consulter notre focus sur ce géant de l’industrie.

Dernières nouvelles sur NVIDIA Corporation

L’avenir de l’IA : intelligence naturelle, ingénierie artificielle

Les ingénieurs à l’origine de cette étude ont débloqué un nouveau niveau de capacité en IA. Leur nouveau design de puce permettra à l’IA de développer des algorithmes plus rapides et plus intelligents. Ces systèmes alimenteront un jour presque chaque composant de votre vie. Pour l’instant, cette recherche a démontré comment les scientifiques peuvent puiser leur inspiration dans la nature et le corps humain pour pousser l’innovation à de nouveaux sommets.. 

Découvrez d’autres projets d’IA sympas 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, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). Circuit de résistance synaptique à base de HfZrO pour un système intelligent Super‑Turing. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}