Barbara De Salvo, chef scientifique du CEA-Leti, a souligné que depuis le début de l'Intelligence Artificielle (AI) au milieu des années 1950, l'étude de l'IA a connu de nombreux rebondissements malgré le fait que de nombreux scientifiques et ingénieurs s'intéressent au concept.
Cependant, il est maintenant temps de se pencher sérieusement sur la technologie du cerveau humain inspiré du moins, « Nous devons comprendre qu'il existe d'autres techniques pour le modèle actuel, nous aidera à poser les bonnes questions. » De Salvo cette année de la Conférence internationale des Circuits Solid State après (ISSCC) prononcera un discours d'accepter le « EE Times » dans l'interview que «s'il n'y a pas de nouveau modèle de fonctionnement et de l'algorithme, l'industrie finira par être difficile d'atteindre les exigences de puissance plus strictes. »
Bien que l'industrie a été poussée plates-formes embarquées AI, tels que 2, le EyeQ5 de Mobileye, et Movidius de Myriad de Xavier Nvidia, mais dans le but de répondre aux besoins de l'appareil terminal avec moins de consommation d'énergie au niveau des bords (edge) traiter un grand nombre d'analyses, elle a dit: nous devons atteindre la distance de cette étape est très loin.
De Salvo compare l'efficacité de calcul (GOPS / W) de la phase corollaire et le GOPS de plusieurs puces AI lors d'un discours.
Elle a souligné qu'il y a toujours un grand écart entre les besoins de l'industrie et les solutions existantes. «Aucune puce - que ce soit pour une version commerciale, des prototypes, des puces pour la conception ou le développement dans les universités - ne peut fournir moins de 100μW Cependant, c'est exactement ce que les appareils périphériques doivent atteindre parce qu'ils doivent compter sur la récupération d'énergie ou sur des piles miniatures pour les années à venir.
Pourquoi revenir à la recherche sur le cerveau humain?
De Salvo a déclaré que nous savons que le cerveau humain pèse environ 2% du corps, mais utilise 20% du métabolisme du corps.
Le cerveau humain traite 1 011 GOPS à 20 W. De Salvo souligne que jusqu'à présent, il n'y a pas eu de processeur dans le monde qui ait des performances et une puissance comparables au cerveau humain.
De Salvo a expliqué que cette classe d'efficacité énergétique a évolué au cours de l'évolution humaine pendant longtemps, maximisant la fonction cérébrale tout en minimisant la consommation d'énergie.
C'est là que l'industrie des semi-conducteurs emprunte à la biologie, a-t-elle dit, et les architectures informatiques traditionnelles sont orientées vers la satisfaction des besoins énergétiques principalement parce que «l'énergie est consommée chaque fois que le processeur et la mémoire communiquent». Les synapses du cerveau contiennent de la mémoire et de l'arithmétique dans une architecture unique, et elle explique que cette technique ingénieuse constitue la base d'une architecture informatique non-von Neumann inspirée par le cerveau.
Pour le principe de fonctionnement du cerveau inspiré, sa nature que les pointes de codage (pic de codage) et des pointes de plasticité liées à la synchronisation (plasticité dépendant du temps-pic, STDP) Elle a noté que des éléments aux états de neurones dans la vue du système de codage. : dans le passé, les neurones en utilisant le codage analogique ou numérique, aujourd'hui, neuromorphic calcul de la dernière tendance est de coder la valeur de l'impulsion des neurones ou des pointes, elle a expliqué: « neurones sans horloge, ce qui est purement événementielles. de '.
La communauté scientifique croit que le codage de pointe et le STDP sont prometteurs. Si le signal d'entrée / sortie est représenté par une impulsion (pic), la multiplication entre le signal d'entrée et le poids synaptique tombera au niveau synaptique. L'objectif ici est de réduire la consommation d'énergie en mettant en place des pics ou une signalisation événementielle en utilisant des solutions hétérogènes.
Est-ce que cela ressemble à la technologie de traitement d'images de Chronocam? Elle a répondu: "Oui, mais la solution de Chronocam vise la" vision "de la rétine artificielle, et notre mission industrielle est d'appliquer des principes neuromorphiques. Développer au-delà de toute la zone informatique au-delà de la vision.
De Salvo a dit, TrueNorth est un exemple idéal de la puce CMOS neuromorphic dynamique neuromorphic actuellement 28nm FD-SOI construire des processeurs hétérogènes évolutifs d'apprentissage (DynapSEL), est une grande échelle neuromorphiques processeurs multi-core IBM Autre exemple, DynapSEL est actuellement l'un des programmes de développement du programme européen de recherche coopérative NeuRAM 3.
Alors que les neurones de TrueNorth sont traités numériquement, DynapSEL est analogue, mais aucune de ces puces n'effectue efficacement toute la puissance du système neuromorphique car la mémoire n'est pas basée sur le fonctionnement de la neuromorphologie.
La communauté scientifique tente de rapprocher la mémoire de l'unité de traitement, révolutionnant la hiérarchie de la mémoire traditionnelle et implémentant le «calcul en mémoire». Jusqu'à présent, le matériel neuromorphique n'a pas encore atteint son plein potentiel, a déclaré De Salvo: Nous devons utiliser des architectures 3D à ultra-haute densité en informatique neuromorphique pour obtenir une connectivité et une reconfigurabilité maximales entre les neurones et les synapses.
Cerveau d'insecte
Nous savons maintenant qu'il y a 100 milliards de neurones dans notre cerveau, et les insectes intelligents comme les abeilles ont environ 950 000 neurones dans un cerveau cuboïde d'environ 1 mm De Salvo a souligné que dans toutes sortes d'insectes, le cerveau des abeilles est le plus grand Elle a dit: «Nous avons maîtrisé la cartographie neuronale dans le cerveau de l'abeille, mais nous savons peu de choses sur les neurones dans le cerveau humain.
Les scientifiques sont désireux de profiler le cerveau des abeilles parce que «les abeilles sont très intelligentes.» Les abeilles ont de nombreux capteurs qui peuvent naviguer à travers leurs moyens de navigation et savoir comment communiquer dans un groupe. Connaître la fonction des autres abeilles.
« Bien sûr, la forme du cerveau de l'abeille petite mais simplifiée offre un bon modèle pour le système AI, » De Salvo a dit: « Il met l'accent sur la nécessité de penser d'une manière systématique et ne se séparent pas parce que l'organisme et les signaux de capteurs Traitement
AI derniers progrès?
Il y a dix ans, personne ne pouvait imaginer que nous voyons maintenant une percée de l'IA.
Cependant, selon De Salvo, l'industrie peut se concentrer trop rapidement sur les applications de l'IA en raison de la perspective de l'IA. En fait, elle dit: «Nous manquons encore de compréhension du système d'IA ... tout comme l'apprentissage en profondeur.
Elle a expliqué qu'il y a une superposition cachée dans l'apprentissage en profondeur et la complexité du système qui en résulte qui rend difficile de dire quels attributs ont la plus grande responsabilité pour améliorer la performance. »Comparé à l'intelligence générale, l'apprentissage, l'abstraction et le raisonnement La prévalence réalisée est encore très limitée.
L'apprentissage en profondeur est excellent en termes de classification, mais «la prédiction reste un problème fondamental en informatique neuronale», a déclaré De Salvo: «Récemment, le réseau neuronal n'a pas réussi à effectuer des tâches simples que les humains n'ont jamais manqué. Salvo et citant A. Nguyen et al., «Réseaux neuronaux profonds sont facilement trompés: Prédictions de confiance élevée pour les images non reconnues», elle s'inquiète que Finalement, entraver le développement du marché, et même «trahi la confiance des utilisateurs, ce qui conduit à de sérieuses questions morales».
Compiler: Susan Hong