Et si la circulation pouvait calculer ? Cela peut sembler étrange, mais des chercheurs du WPI-AIMR de l’Université du Tohoku ont dévoilé une idée audacieuse : utiliser la circulation routière elle-même comme ordinateur.
Des chercheurs de l’Institut supérieur de recherche sur les matériaux (WPI-AIMR), de l’Université du Tohoku, ont proposé un nouveau cadre d’intelligence artificielle (IA) qui considère la circulation routière comme une ressource informatique. Cette approche, nommée Harvested Reservoir Computing (HRC), ouvre une voie vers des systèmes d’IA économes en énergie qui réutilisent les dynamiques déjà présentes dans notre environnement au lieu de s’appuyer uniquement sur du matériel dédié énergivore.
Leur cadre d’IA exploite les dynamiques naturelles du flux de circulation pour permettre une IA économe en énergie – transformant le mouvement quotidien en puissance de calcul sans matériel énergivore.
Ces dernières années, l’apprentissage automatique et l’apprentissage profond ont été largement appliqués à la prévision du trafic, à la prédiction de la demande et à diverses formes de gestion des infrastructures sociales. Cependant, ces approches nécessitent généralement une puissance de calcul massive et une grande consommation d’énergie. Le calcul par réservoir (RC), et son extension aux systèmes physiques du monde réel – le calcul par réservoir physique (PRC) – ont attiré l’attention comme alternatives prometteuses.
S’appuyant sur ce concept, le professeur Hiroyasu Ando et ses collègues proposent l’HRC, un cadre qui « récolte » les dynamiques physiques complexes présentes dans l’environnement naturel et social et les utilise directement pour le calcul. Comme preuve de concept, l’équipe a systématiquement évalué les performances du Road Traffic Reservoir Computing (RTRC), qui exploite le flux de circulation sur les réseaux routiers comme réservoir de calcul.
En combinant des expériences de circulation contrôlée utilisant des voitures miniatures autonomes à l’échelle 1/27 avec des simulations numériques de réseaux routiers urbains en forme de grille, les chercheurs ont découvert une caractéristique frappante : la précision de la prédiction n’est pas la plus élevée en conditions de flux libre ou de forte congestion. Elle atteint plutôt un pic juste avant le début de la congestion, dans un état critique de densité moyenne où les dynamiques du trafic sont les plus diversifiées et informatives. Dans ce régime, le système de circulation traite naturellement les informations entrantes, permettant des prévisions précises des états futurs du trafic avec une surcharge informatique minimale.
Important, cette méthode ne nécessite aucun nouveau matériel spécialisé. En réutilisant les capteurs de circulation existants et les données d’observation, elle a le potentiel de prendre en charge une prévision de trafic de haute précision et un contrôle adaptatif des signaux tout en réduisant considérablement la consommation d’énergie par rapport aux approches d’IA conventionnelles.
L’étude suggère que les infrastructures sociales telles que les routes peuvent être réinterprétées comme des « ordinateurs à grande échelle fonctionnant en continu ». Au-delà de la gestion du trafic, le concept pourrait permettre de futures applications dans la mobilité intelligente, l’urbanisme et la gestion de l’énergie, où les dynamiques environnementales sont exploitées dans le cadre du processus de calcul.
« Ces résultats démontrent que le calcul n’a pas à être confiné aux puces de silicium », explique Ando. « En reconnaissant et en exploitant les riches dynamiques déjà présentes dans notre environnement, nous pouvons construire des systèmes d’IA à la fois puissants et durables. »
La recherche contribue également à une nouvelle perspective sur le développement des technologies de base de l’IA : au lieu d’augmenter sans cesse la taille du matériel, il pourrait être possible d’augmenter l’intelligence en intégrant les systèmes physiques et les données de manière innovante.
Article : Harvested reservoir computing from road traffic dynamics – Journal : Scientific Reports – DOI : Lien vers l’étude
Source : Tohoku U.
