{"id":989,"date":"2020-03-22T14:54:23","date_gmt":"2020-03-22T14:54:23","guid":{"rendered":"https:\/\/www.affinite.fr\/index.php\/2020\/03\/22\/intel-accelere-le-developpement-de-son-cerveau-numerique\/"},"modified":"2020-03-22T14:54:23","modified_gmt":"2020-03-22T14:54:23","slug":"intel-accelere-le-developpement-de-son-cerveau-numerique","status":"publish","type":"post","link":"http:\/\/www.affinite.fr\/index.php\/2020\/03\/22\/intel-accelere-le-developpement-de-son-cerveau-numerique\/","title":{"rendered":"Intel acc\u00e9l\u00e8re le d\u00e9veloppement de son \u00ab\u00a0cerveau\u00a0\u00bb num\u00e9rique"},"content":{"rendered":"

[ad_1]
\n<\/p>\n

\n

Apr\u00e8s avoir d\u00e9voil\u00e9 son ordinateur Pohoiki Beach et ses 64 processeurs neuromorphiques \u00ab\u00a0Loihi\u00a0\u00bb l\u2019an dernier<\/a>, Intel annonce la disponibilit\u00e9 prochaine de Pohiki Spring. Un gros rack pour serveur qui embarque cette fois pas moins de 768\u00a0processeurs Loihi pour offrir\u00a0un total de 100\u00a0millions de neurones num\u00e9riques \u00e0 la plate-forme. Multipliant ainsi par x12,5 la puissance de son cerveau num\u00e9rique.<\/p>\n

\"\"\/
<\/figure>\n

\u00ab\u2009Auparavant le syst\u00e8me s\u2019approchait du cerveau d\u2019un insecte, l\u00e0 nous sommes au niveau d\u2019un rat-taupe<\/em> (1)<\/strong>\u2009\u00bb, explique Mike DAVIES, responsable du laboratoire de calcul neuromorphique d\u2019Intel. Un laboratoire qui a f\u00eat\u00e9 en d\u00e9but de semaine sa premi\u00e8re victoire\u00a0: un de ses chercheurs, Nabil IMAM, a mis au point des algorithmes mettant en lumi\u00e8re la sup\u00e9riorit\u00e9 des processeurs neuromorphiques sur les puces classiques. Le cas pr\u00e9sent\u00e9 \u00e9tait la constitution d\u2019un \u00ab\u2009nez num\u00e9rique\u2009\u00bb capable de reconna\u00eetre les odeurs bien plus rapidement et pr\u00e9cis\u00e9ment qu\u2019un syst\u00e8me conventionnel.<\/p>\n

\"\"\/
<\/figure>\n
\"\"\/
<\/figure>\n

Alors qu\u2019un algorithme bas\u00e9 sur l\u2019apprentissage profond (et des processeurs classiques) a besoin de 3000\u00a0caract\u00e9risations olfactives pour obtenir un taux de r\u00e9ussite de 92\u00a0%, la puce Loihi est tout aussi pr\u00e9cise en n\u2019ayant \u00e9t\u00e9 confront\u00e9e \u00e0 l\u2019odeur qu\u2019une seule fois. \u00ab\u2009On soumet les r\u00e9sultats de la captation d\u2019un seul \u00e9chantillon au syst\u00e8me, comme du m\u00e9thane, et il l\u2019apprend. D\u00e8s qu\u2019on le lui soumet \u00e0 nouveau, il s\u2019en souvient. Et contrairement \u00e0 l\u2019apprentissage profond, l\u2019ajout de cette nouvelle information dans la m\u00e9moire du syst\u00e8me ne modifie pas les informations d\u00e9j\u00e0 stock\u00e9es. Le temps d\u2019apprentissage est donc bien plus rapide\u2009<\/em>\u00bb, d\u00e9taille Nabil IMAM.<\/p>\n

(1)<\/strong> : \u00e0 priori le rat-taupe d\u2019Ansell<\/a> selon cette classification<\/a>.<\/em><\/p>\n

768\u00a0processeurs pour seulement 500\u00a0watts\u00a0<\/h3>\n
\"\"\/
<\/figure>\n

Loin d\u2019\u00eatre une course \u00e0 la puissance pure, les processeurs neuromorphiques sont surtout l\u00e0 pour leur extr\u00eame sobri\u00e9t\u00e9 \u00e9nerg\u00e9tique. \u00ab\u2009La plate-forme Pohiki Spring que nous annon\u00e7ons comprend 768\u00a0processeurs Loihi plus des puces FPGA et ne consomme que 500W\u2009<\/em>\u00bb, s\u2019enthousiasme Mike DAVIES. \u00ab\u2009On utilise quelques millijoules pour r\u00e9aliser une classification qui s\u2019op\u00e8re en quelques millisecondes<\/em>\u2009\u00bb, ajoute-t-il. Car si ces 500\u00a0W sont \u00e9quivalents \u00e0 la consommation d\u2019un PC de bureau un peu puissant, les capacit\u00e9s de calcul sont toutes autres. \u00ab\u2009Contrairement aux processeurs classiques qui op\u00e8rent des multiplications \u00e0 toute allure, nos processeurs neuromorphiques fonctionnent comme nos neurones, c\u2019est-\u00e0-dire avec des pics d\u2019activit\u00e9. Et ils peuvent aller tr\u00e8s, tr\u00e8s vite<\/em>\u2009\u00bb.<\/p>\n

De plus, contrairement \u00e0 un syst\u00e8me classique qui traite les donn\u00e9es par fourn\u00e9es, les calcule puis\u00a0soumet les r\u00e9sultats \u00e0 l\u2019issue d’un travail qui a consomm\u00e9 beaucoup d\u2019\u00e9nergie, \u00ab\u2009les processeurs neuromorphiques traitent les donn\u00e9es les unes apr\u00e8s les autres avec tr\u00e8s peu d\u2019\u00e9nergie. Et surtout les mod\u00e8les apprennent et s\u2019adaptent en temps r\u00e9el\u2009<\/em>\u00bb.<\/p>\n

\"\"\/
<\/figure>\n

Les puces sont, comme nos neurones, plus fortes en groupe ce qui explique la constitution d\u2019un tel syst\u00e8me r\u00e9unissant 768\u00a0processeurs. Des processeurs Loihi qui sont rigoureusement identiques \u00e0 la puce lanc\u00e9e d\u00e9but 2018. Pourquoi diable Intel, g\u00e9ant des semi-conducteurs n\u2019ajoute-t-il pas plus de \u00ab\u2009neurones\u2009\u00bb dans une puce, comme il le fait avec ses processeurs\u00a0x86 classiques depuis 40\u00a0ans\u2009?<\/p>\n

\"\"\/
<\/figure>\n

\u00ab\u2009Pour des questions de co\u00fbts et de flexibilit\u00e9\u2009\u00bb, poursuit\u00a0Mike DAVIES. \u00ab\u2009Un processeur plus gros et\/ou dense serait cher \u00e0 produire. Avec ses 128\u00a0\u201cc\u0153urs\u201d de neurones dans une puce, Loihi repr\u00e9sente le bon \u00e9quilibre de taille\/puissance. Il est suffisamment petit pour \u00eatre plac\u00e9 dans un petit dispositif et on peut additionner les puces pour des besoins de calcul plus importants<\/em>\u2009\u00bb, justifie-t-il. Intel \u00e9tant Intel, \u00ab\u2009dans le futur on pourrait voir arriver des puces sp\u00e9cialis\u00e9es dans les centres de calcul d\u2019un c\u00f4t\u00e9 et de plus petites puces pour \u00eatre int\u00e9gr\u00e9es \u00e0 de petits objets. Mais nous n\u2019en sommes toujours qu\u2019\u00e0 un stade de recherche<\/em>\u2009\u00bb. Une recherche qui a moins besoin de silicium, que de programmes adapt\u00e9s.<\/p>\n

Des algorithmes et des usages \u00e0 inventer<\/h3>\n
\"\"\/
<\/figure>\n

S\u2019il s\u2019est \u00e9coul\u00e9 deux ans entre le lancement de la puce et ces premi\u00e8res annonces de r\u00e9sultats probants, c\u2019est que la litt\u00e9rature, les programmes et autres algorithmes n\u2019en sont qu\u2019\u00e0 leurs balbutiements. \u00ab\u2009Le d\u00e9fi actuel est purement logiciel\u00a0: il faut trouver de nouveaux algorithmes et en produire un \u00e9ventail assez large afin de r\u00e9soudre beaucoup de probl\u00e8mes que l\u2019informatique conventionnelle n\u2019arrive pas \u00e0 traiter\u00a0de mani\u00e8re efficace, notamment sur le plan \u00e9nerg\u00e9tique, comme les probl\u00e8mes NP <\/em>(qui permettent, par exemple, de d\u00e9terminer le chemin le plus court en plusieurs villes, ndr) <\/em>\u00bb, pr\u00e9cise Mike DAVIES. \u00a0<\/p>\n

Car les puces neuromorphiques n\u2019ont pas, pour l\u2019heure, l’ambition de remplacer nos bons vieux CPU et GPU traditionnels, mais plut\u00f4t de les \u00e9pauler dans les probl\u00e8mes qu’ils g\u00e8rent difficilement. Leur mode de fonctionnement intrins\u00e8que devrait ainsi leur permettre de trouver une place \u00ab\u2009dans tous les environnements o\u00f9 on a besoin de faible latence et d\u2019une faible consommation \u00e9nerg\u00e9tique comme l\u2019assistance \u00e0 la conduite <\/em>(ADAS). Et de mani\u00e8re g\u00e9n\u00e9rale dans tous les domaines impliquant du calcul en temps r\u00e9el et des d\u00e9placements dans le temps et l\u2019espace<\/em>\u2009\u00bb.<\/p>\n<\/p><\/div>\n