Pour démontrer la rapidité et les qualités énergétiques de sa puceneuromorphique TrueNorth, censée émuler les fonctions du cerveau humain, IBM a soumis son processeur intelligent à plusieurs tests et analyses afin de comparer ses performances aux ordinateurs actuels. Et les résultats sont impressionnants. Selon le constructeur, TrueNorth est capable d'apprendre des notions complexes et de prendre des décisions en faisant des associations « d’idées » et du calcul de probabilités, un peu comme le ferait le cerveau humain. Et cela en consommant une fraction de l’énergie utilisée par les puces de machines qui font le même le travail. Les capacités d’apprentissage et de calcul de la puce TrueNorth « vont permettre d'intégrer de l'intelligence dans toute la pile informatique, depuis l'Internet des objets, les smartphones, la robotique, les véhicules, le cloud, jusqu’au calcul intensif », a déclaré l’entreprise dans un blog.

Plus tôt cette année, IBM avait montré un ordinateur NS16e construit autour de la puce TrueNorth, laquelle reproduit le fonctionnement du cerveau humain. La machine qui s’appuie sur un réseau neuronal d'unités de traitement peut être utilisée pour la reconnaissance d'image, de voix et de formes. Un cerveau humain compte en moyenne 100 milliards de neurones communiquant entre eux à l’aide de trillions de connexions appelées les synapses. Dans le cerveau, c’est le cortex qui prend en charge la reconnaissance visuelle, les autres parties du cerveau étant responsables de la fonction motrice. Comme le cerveau, l’ordinateur NS16e est doté de « neurones numériques », mais à plus petite échelle, puisqu’il accueille 16 puces TrueNorth. Chaque puce TrueNorth compte 1 million de neurones et 256 millions de synapses, l’ensemble étant relié par un circuit électrique. Dans le NS16e, la mémoire, le traitement et les systèmes de communication ont été modifiés pour permettre un traitement énergétiquement efficace des données.

Exploitable sur un smartphone 

Selon IBM, le processeur TrueNorth est capable de classer des données images à une vitesse de 1 200 à 2 600 images par seconde en ne consommant que 25 à 275 milliwatts. Le processeur sait identifier et reconnaître des éléments dans des images générées par 50 à 100 caméras à 24 images par seconde. Il pourrait pour cela motoriser un smartphone, sans qu’il soit besoin de le recharger pendant plusieurs jours. Il est donc beaucoup plus économe en énergie que les serveurs actuels, qui utilisent des puces classiques du type GPU, CPU ou FPGA pour la reconnaissance d’image et la reconnaissance vocale. Facebook, Google, Microsoft et Baidu ont recours au deep learning pour associer les réponses dans la reconnaissance d’image et vocale. Ces systèmes d'apprentissage tournent essentiellement avec des GPU dont la consommation est proche de 150 watts.

La puce TrueNorth d'IBM utilise des algorithmes et des modèles d'apprentissage impliquant la reconnaissance de formes et associant des données anciennes et nouvelles. Les algorithmes sont encore en cours de développement pour répondre aux besoins des différents modèles de deep-learning, mais la puce peut être utilisée avec des systèmes existants comme le MatConvNet. Principalement, les développeurs peuvent créer des modèles d'apprentissage sur MatConvNet, à charge pour TrueNorth d’effectuer le traitement en arrière-plan. Les développeurs n’ont pas besoin de travailler directement avec la puce TrueNorth. Ce processus ressemble à celui qui dominait tout au début du développement des jeux informatiques : à cette époque, la plupart des développeurs ne pouvaient pas exploiter directement les fonctionnalités des puces GPU. Récemment, Vulkan a remplacé les API OpenGL et a permis aux développeurs d’avoir un accès direct aux fonctions des GPU, et ils sont désormais mieux équipés pour exploiter les caractéristiques de la puce.

Bien adapté aux besoins des voitures autonomes 

Le deep-learning peut avoir un rôle important à jouer dans le secteur des voitures autonomes. Pour rouler en toute sécurité, ces voitures ont besoin d’ordinateurs puissants pour contrôler leur trajectoire, leur permettre de reconnaître les signaux routiers, d’identifier les voies de circulation et plus encore. Comme les puces qui équipent ces véhicules et les serveurs, la puce TrueNorth réalise un traitement de bas niveau sur chaque neurone, et le travail de chacun est ensuite associé pour identifier un objet dans une image, ou reconnaître un son. C'est la technique qu’utilisent également Intel et Nvidia dans leurs mégapuces, sauf que celles-ci sont plus gourmandes en énergie que la puce TrueNorth d’IBM.

Certes, la puce TrueNorth a encore besoin de pas mal de maturation. Néanmoins, le constructeur a bien l’intention de développer un ordinateur autour de cette puce en donnant à sa machine la capacité d'un cerveau humain. IBM a encore un autre défi à relever : développer des algorithmes et des applications pour un ordinateur de cette taille. C’est en 2004 que l’entreprise a commencé à travailler sur le développement de puces neuronales. En 2009, il avait réussi à mettre au point un modèle informatique ayant la taille du cerveau d'un chat. En 2011, sa puce prototype contenant 256 neurones numériques offrait des capacités de reconnaissance des formes. Il faudra sans doute encore pas mal de temps à IBM avant d’arriver à un ordinateur complet capable de simuler le fonctionnement d’un cerveau humain.

La relève s'annonce aussi pour les PC 

Le constructeur développe aussi un ordinateur quantique pour remplacer les PC et les serveurs actuels dont les designs et les concepts informatiques commencent à dater. Hewlett Packard Enterprise, l'Université de Stanford aux États-Unis, l'Université de Heidelberg en Allemagne, et l'Université de Manchester au Royaume-Uni développent également des puces capables d’émuler le cerveau humain.