L’ordinateur le plus puissant et efficace sur terre ne se cache pas dans les antres d’IBM, de Google, de Facebook ou d’une agence gouvernementale. Pourtant, chacun y a accès... Comment est-ce possible ? Tout simplement car le meilleur ordinateur au monde est le cerveau humain. Le cerveau ne consomme qu’une puissance de 20 watts, mais il est capable de concevoir d’autres réseaux informatiques, de créer de nouveaux langages, et de comprendre et assimiler des concepts abstraits.
Qu’est-ce que l’informatique neuromorphique ?
Nos ordinateurs et processeurs ne peuvent pas gérer les mêmes types de charges de traitement que le cerveau humain. L’objectif de nombreux programmeurs, constructeurs informatiques et centres de données est donc de changer la donne. Le domaine de l’informatique neuromorphique se consacre à combiner la biologie, l’ingénierie électrique, l’informatique et les technologies mathématiques pour créer des réseaux de neurones artificiels capables de capter et traiter des charges similaires à celles prises en charge par le système nerveux et le cerveau humain.
Ingénierie neuromorphique : les origines
Le terme d’« ingénierie neuromorphique » a initialement été inventé dans les années 80 par Carver Mead, qui a passé plus de 40 ans à développer des systèmes d’analyse en cherchant à imiter les sens et les mécanismes de traitement du corps humain, tels que le toucher, la vue, l‘ouïe et la pensée. L’informatique neuromorphique est un sous-domaine de l’ingénierie neuromorphique qui tente essentiellement de reproduire les systèmes de pensée et de traitement humains. Alors que l’informatique neuromorphique reste encore très peu connue, une autre technologie bien plus courante et populaire utilise ces systèmes et théories : l’intelligence artificielle (IA).
Quels sont les objectifs de l’intelligence artificielle ?
Bien qu’il existe des centaines d’interprétations, de sous-domaines et de théories pour définir en quoi consiste vraiment l’intelligence artificielle, l’objectif de toutes les IA est de reproduire les fonctionnalités du comportement et de la pensée de l’être humain pour effectuer des tâches génériques. L’IA et l’informatique neuromorphique sont donc naturellement synonymes, puisqu’elles cherchent toutes deux à répliquer, voire à surpasser, l’intelligence humaine. En un sens, l’IA couvre à la fois l’informatique et l’ingénierie neuromorphiques, en plus d’intégrer une grande variété de capacités technologiques. Elle est notamment capable de prendre en charge des tâches de haute précision comme la détection d’incohérences dans les processus de fabrication.
Au vu de l’état actuel de la technologie, l’informatique neuromorphique et l’IA restent limitées par les capacités matérielles sur lesquelles ces systèmes reposent. Alors que la loi de Moore continue de repousser les limites de ces technologies matérielles, elles sont encore loin d’atteindre les capacités du cerveau humain en termes de charge de calcul, sans parler d’efficacité énergétique. Bien qu’il reste beaucoup de chemin à parcourir, ces systèmes informatiques ont avancé à pas de géant au cours des 10 dernières années et poursuivront sans doute sur leur lancée jusqu’à atteindre les objectifs de l’informatique neuromorphique.
Le matériel informatique de l’IA : les puces neuromorphiques
Une puce neuromorphique idéale qui reproduit à la perfection le cerveau humain semble encore relever du domaine de l’impossible. Cependant, même si la constitution des êtres humains et des machines est fondamentalement différente (le silicium n’a rien à voir avec la matière grise), le cerveau et sa biologie essentielle ont encore beaucoup de secrets à révéler aux informaticiens pour améliorer le fonctionnement de la technologie neuromorphique. De nombreuses architectures de puces logicielles ou matérielles s’inspirent largement des découvertes de l’informatique neuromorphique, facilitant ainsi l’émergence de nombreuses nouvelles versions d’architectures en silicium qui permettent d’atteindre des capacités de calcul égalant celles d’un système neuronal. Les technologies de puces les plus répandues, comme les FPGA et ASIC, ont continuellement été optimisées par des stratégies d’informatique neuromorphique, en plus d’être utilisées pour les charges de travail de l’IA.
L’unité de traitement graphique a initialement été conçue pour traiter les charges de calcul graphiques, bien qu’elle ait rapidement servi à développer des algorithmes d’IA pour une technologie de processeurs plus commune, en raison de sa capacité de charge parallèle. Les processeurs ont peu à peu gagné en puissance et sont à présent souvent utilisés comme des accélérateurs du réseau neuronal pour gérer les charges de travail de l’IA. NVIDIA, une entreprise pionnière internationalement reconnue dans le développement de processeurs de pointe, a créé des appareils d’Edge Computing dédiés, tels que le Kit de développement NVIDIA Jetson Xavier, afin d’exécuter des charges de travail d’IA avec des outils tels que des robots autonomes et des systèmes de sécurité à reconnaissance faciale.
Les mathématiques jouent un rôle crucial dans les logiciels d’IA pour exécuter les programmes associés. Ces processeurs utilisent souvent un objet mathématique connu sous le nom de « tenseur ». Un tenseur est une matrice multidimensionnelle qui peut évoluer et s’adapter comme une fonction du programme d’IA. Sans entrer dans les détails de la théorie à l’origine du programme d’IA et de la structure algorithmique, il faut comprendre que le tenseur mathématique est absolument essentiel pour l’intelligence artificielle moderne. Il est si important que Google a créé sa propre unité de traitement de tenseur : il s’agit d’une puce conçue pour gérer spécifiquement les charges mathématiques. Alors que la technologie d’unité de traitement de tenseur est principalement utilisée dans ses centres de données, Google a également créé les produits Google Coral, qui développent des logiciels orientés tenseur.
Intel Labs, la division de recherche de la célèbre entreprise renommée pour ses processeurs, a créé la puce Loihi. Cette puce spécialement conçue pour la recherche neuromorphique cherche à reproduire et simuler une structure neuronale de matière grise à petite échelle. La puce Loihi contient près de 130 000 neurones en silicium connectés et cherche à devenir la base de la nouvelle génération de matériel d’IA. Intel Labs est ainsi parvenue à créer un appareil nommé Pohoiki Beach, qui combinait 64 puces Loihi pour créer un réseau de 8 millions de neurones artificiels. Développer un système neuromorphique de cette envergure pour l’exécuter sur un appareil n’est pas une mince affaire, et Intel Labs continue d’optimiser son fonctionnement. En 2020, Intel a annoncé vouloir combiner près de 100 000 puces Loihi pour former un ordinateur neuromorphique à 100 millions de neurones, qui une fois opérationnel, devrait être le plus puissant du monde.
Le futur de l’informatique neuromorphique
Bien qu’elle gagne en importance comme sous-domaine de l’informatique, l’informatique neuromorphique a encore un long chemin à parcourir avant d’atteindre son plein potentiel. Elle devrait tout au moins devenir une méthode puissante pour développer du matériel informatique futuriste et des logiciels d’IA révolutionnaires. Si cette technologie se montre à la hauteur des espoirs qu’elle suscite déjà, elle pourrait bien finir par détenir les secrets de la conscience et devenir la dernière invention de la race humaine. Cette technologie pourrait paradoxalement influencer la recherche sur le cerveau humain en permettant d’effectuer des simulations et des modélisations plus précises de la matière grise qui a façonné le monde. Elle pourrait créer des algorithmes plus intelligents dotés de sens commun pour exécuter des tâches humaines courantes avec plus d’efficacité. L’informatique neuromorphique pourrait bien être la solution qui permettra de développer les voitures à conduite automatique ou les machines autonomes — seul l’avenir nous le dira.