Réduction de la consommation d’énergie
Dans le domaine de l’intelligence artificielle (IA), alors que la technologie connaît des avancées significatives, la plupart des appareils mobiles peinent à intégrer ces innovations dans leur logiciel. Un aspect particulièrement préoccupant est que les logiciels mobiles exploitant l’IA, tels que les réseaux neuronaux, dépendent souvent du cloud pour effectuer des tâches gourmandes en énergie.
La principale raison de cette situation réside dans la consommation d’énergie. Les IA imitant le fonctionnement du cerveau nécessitent des processeurs graphiques multicoeurs puissants, et leur usage dans des dispositifs mobiles est peu pratique. De plus, ces systèmes consomment beaucoup d’énergie, ce qui est problématique pour les appareils conçus pour être économes en batterie. Par conséquent, les développeurs privilégient le traitement de ces tâches sur le cloud plutôt que sur les appareils eux-mêmes.
Lors de la conférence International Solid State Circuits Conference qui s’est tenue récemment à San Francisco, des chercheurs du MIT ont présenté un nouveau processeur appelé “Eyeriss”, conçu spécifiquement pour l’exécution de réseaux neuronaux, un élément clé de l’IA. Ce chip est capable de fonctionner avec une efficacité dix fois supérieure à celle des graphismes mobiles actuels, permettant ainsi aux futurs appareils de traiter des algorithmes d’IA localement.
L’apprentissage profond sur une puce
Les réseaux neuronaux, également connus sous le nom d’apprentissage profond, représentent une forme d’apprentissage automatique. Ces systèmes traitent d’énormes ensembles de données à travers divers algorithmes. Les connexions générées entre ces données nécessitent une puissance de traitement considérable, limitant leur utilisation à des serveurs ou des ordinateurs extrêmement puissants.
Vivienne Sze, professeure au MIT ayant participé à l’élaboration de ce nouveau processeur, souligne que l’apprentissage profond est utile dans de nombreux domaines, comme la reconnaissance d’objets ou la détection de visages. Actuellement, ces réseaux sont complexes et majoritairement exécutés sur des GPU hautes performances. Imaginer cette technologie sur des smartphones ou d’autres dispositifs pourrait considérablement accroître leur fonctionnalité et même permettre des applications sans connexion Wi-Fi, en préservant la vie privée et en réduisant les latences de transmission.
Les chercheurs ont dû concevoir un processeur à la consommation réduite mais suffisamment flexible pour exécuter diverses architectures de réseaux requises par les algorithmes d’IA. Ils ont opté pour un chip comportant 168 cœurs, une quantité comparable à celle des GPU mobiles.
Un des facteurs de la forte consommation d’énergie des GPUs mobiles est l’utilisation d’une mémoire centrale commune, entraînant un échange fréquent de données entre les cœurs et des banques de mémoire distantes. Pour améliorer l’efficacité, Eyeriss compresse les données avant de les transmettre à chaque cœur. De plus, chaque cœur dispose de sa propre mémoire, limitant ainsi les besoins en mémoire partagée.
Le chip est aussi conçu pour que les cœurs puissent échanger des données directement entre eux sans devoir passer par une mémoire centrale. Finalement, Eyeriss inclut une architecture dédiée qui répartit automatiquement les tâches entre les cœurs, maximisant ainsi le travail effectué par le processeur.
Lors de la conférence, les chercheurs ont illustré les capacités d’Eyeriss en exécutant un réseau neuronal pour réaliser une tâche de reconnaissance d’images, marquant une première dans la démonstration d’un réseau neuronal avancé sur un processeur sur mesure.
Si ce chip connaît un succès, il pourrait révolutionner l’intégration des assistants IA dans nos téléphones.
FAQ
Quelles sont les principaux avantages d’Eyeriss ?
Eyeriss présente des avantages considérables, notamment une consommation énergétique beaucoup plus faible et la possibilité de traiter des algorithmes d’IA localement, ce qui pourrait améliorer la réactivité des applications.
Comment l’apprentissage profond peut-il être intégré dans les smartphones ?
Avec des processeurs comme Eyeriss, des applications d’apprentissage profond, nécessitant autrefois de gros serveurs, pourraient être exécutées localement sur des smartphones, rendant ces technologies accessibles au grand public.
Y a-t-il des limites à l’utilisation des réseaux neuronaux sur les appareils mobiles ?
Oui, pour l’instant, même avec des avancées comme Eyeriss, certaines tâches complexes nécessitant des données massives ou une puissance de calcul extrême peuvent toujours être limitées aux serveurs ou aux systèmes plus puissants.
Quelle est l’importance de la réduction de la consommation d’énergie dans le secteur mobile ?
La réduction de la consommation d’énergie est cruciale pour prolonger l’autonomie des batteries des dispositifs mobiles et minimiser l’impact environnemental lié à leur utilisation.
