Résumé :
Des progrès de recherche importants ont été réalisés récemment à l'intersection des neurosciences et de la technologie informatique. La dernière découverte d'une équipe de recherche scientifique commune internationale a révélé avec succès le mécanisme de collaboration efficace des réseaux neuronaux du cerveau humain dans le traitement d'informations complexes et la récupération de la mémoire. Cette réalisation fournit un nouveau support théorique et de nouvelles voies techniques pour surmonter le goulot d'étranglement en matière d'efficacité énergétique de l'architecture informatique traditionnelle et créer un « ordinateur de type cerveau » de nouvelle génération (informatique neuromorphique) plus proche du fonctionnement du cerveau humain.
Dans l'architecture informatique traditionnelle de von Neumann, l'unité de calcul et l'unité de stockage sont séparées. La transmission fréquente de données entre les deux constitue non seulement ce que l'on appelle le « mur de performance », mais consomme également d'énormes quantités d'énergie. En revanche, le cerveau humain peut facilement effectuer une reconnaissance de formes de haute intensité, un raisonnement logique et un apprentissage autonome tout en ne consommant qu'une consommation d'énergie extrêmement faible. Comprendre et reproduire les mécanismes extrêmement efficaces de transmission dynamique du signal et de traitement parallèle entre les synapses et les neurones dans les réseaux neuronaux du cerveau humain a toujours été considéré par la communauté scientifique comme la clé pour franchir la limite supérieure actuelle de la puissance de calcul de l'intelligence artificielle et de la crise de la consommation d'énergie.
En combinant la technologie de neuroimagerie haute résolution avec la modélisation dynamique non linéaire, l'équipe de recherche a mené une analyse approfondie de la réponse non linéaire et des changements de plasticité synaptique des neurones biologiques face à une entrée d'informations dynamique. La recherche a montré que le cerveau humain ne s'appuie pas sur un seul énorme calcul centralisé, mais effectue une compression d'informations à haute densité et une récupération rapide grâce à une « synchronisation temporelle » et à un « codage clairsemé » entre des groupes de neurones spécifiques. Ce mécanisme permet au cerveau biologique d’accomplir avec précision des tâches cognitives complexes en activant seulement une très petite proportion de neurones dans un environnement soumis à de fortes interférences sonores.
Sur la base de ces résultats, les chercheurs ont construit une nouvelle architecture d'algorithme et un circuit de simulation matérielle inspirés du cerveau. Les données expérimentales montrent que le modèle informatique de type cerveau, qui s'appuie sur les caractéristiques d'activation clairsemée et de conduction séquentielle des neurones biologiques, peut améliorer son efficacité énergétique de plusieurs ordres de grandeur par rapport aux réseaux neuronaux artificiels traditionnels lors du traitement de la reconnaissance d'images, de l'analyse du flux vocal et des tâches de prédiction complexes. Dans le même temps, il a démontré une grande robustesse face aux interférences de données inconnues.
Les experts du secteur ont déclaré que cette recherche comble le fossé entre les neurosciences fondamentales et la pratique de l'ingénierie matérielle. Alors que la demande de puissance de calcul et d’énergie provenant de l’intelligence artificielle augmente de façon exponentielle, la conversion des dernières découvertes dans le domaine de la biologie en conception d’architecture de puce physique remodèlera complètement le paysage industriel de l’informatique de pointe de nouvelle génération, des robots autonomes et du matériel d’intelligence artificielle de faible consommation, et favorisera le saut de la technologie informatique vers une intelligence possédant véritablement des caractéristiques cognitives humaines.
Commentaires