Les ingénieurs en électricité et en informatique souhaitent imiter le système visuel du cerveau afin de créer des outils d’IA destinés à guider les systèmes autonomes.
Les systèmes d’intelligence artificielle qui guident les drones et les voitures autonomes s’appuient sur des réseaux neuronaux, des systèmes informatiques entraînables inspirés du cerveau humain. Cependant, les ordinateurs numériques sur lesquels ils fonctionnent ont été initialement conçus pour des tâches informatiques générales allant du traitement de texte aux calculs scientifiques, et offrent une fiabilité ultra-élevée au prix d’une consommation d’énergie importante.
Afin d’explorer de nouveaux systèmes informatiques économes en énergie, en particulier pour l’apprentissage automatique, les ingénieurs de l’université de Rochester développent un nouveau matériel analogique, qui pourrait être utilisé pour créer des drones plus efficaces. Les ingénieurs de Rochester tentent d’y parvenir en abandonnant les réseaux neuronaux conventionnels de pointe développés sur du matériel numérique pour la vision par ordinateur. Ils se tournent plutôt vers les réseaux de codage prédictif, qui s’appuient sur les théories neuroscientifiques selon lesquelles le cerveau dispose d’un modèle mental de l’environnement et le met constamment à jour en fonction des informations fournies par les yeux.
« Les recherches menées par les neuroscientifiques ont montré que le mécanisme appelé rétropropagation, qui est le moteur du développement des réseaux neuronaux, est biologiquement invraisemblable et que les systèmes de perception de notre cerveau ne fonctionnent pas de cette manière », précise Michael Huang, professeur d’ingénierie électrique et informatique, d’informatique, de science des données et d’intelligence artificielle à Rochester.
« Pour résoudre ce problème, nous nous sommes demandé comment notre cerveau procède. La théorie dominante est celle du codage prédictif, qui implique un processus hiérarchique de prédiction et de correction : imaginez que vous paraphrasez ce que vous avez entendu, que vous le répétez à votre interlocuteur et que vous utilisez ses commentaires pour affiner votre compréhension. »
M. Huang souligne que l’université de Rochester a une longue tradition dans la recherche sur la vision par ordinateur et que le regretté professeur d’informatique Dana Ballard est l’auteur de l’un des premiers articles les plus influents sur les réseaux de codage prédictif.
L’équipe dirigée par Rochester comprend Huang et les professeurs d’ingénierie électrique et informatique Hui Wu et Tong Geng, leurs étudiants, ainsi que deux groupes de recherche de l’université Rice et de l’UCLA. L’équipe recevra jusqu’à 7,2 millions de dollars de la Defense Advanced Research Projects Agency (DARPA) au cours des 54 prochains mois pour développer des réseaux de codage prédictif inspirés de la biologie pour la reconnaissance d’images numériques basés sur des circuits analogiques. Si le prototype initial se concentrera sur la classification d’images statiques, les chercheurs estiment que s’ils parviennent à faire en sorte que le système analogique se rapproche des performances des approches numériques existantes, il pourra être transposé à des tâches de perception plus complexes nécessaires aux voitures autonomes et aux drones autonomes.
Bien que cette approche soit novatrice, le système n’utilisera aucun dispositif expérimental, mais sera fabriqué à l’aide de technologies existantes telles que les semi-conducteurs complémentaires à oxyde métallique (CMOS).
Source : U. Rochester
