Loihi 2 est la puce de recherche neuromorphique de deuxième génération d’Intel. Elle prend en charge de nouvelles catégories d’algorithmes et d’applications neuro-inspirés, tout en offrant un traitement plus rapide, une plus grande densité de ressources et une meilleure efficacité énergétique.
Les ordinateurs « détruisent » les humains aux échecs, mais il n’y a pas un seul robot au monde que vous pourriez envoyer dans une maison inconnue et lui dire de nourrir le chien ; l’intelligence générale et la capacité d’adaptation du cerveau humain restent inégalées. Les puces neuromorphiques Loihi 2 d’Intel, destinées à la recherche, sont conçues pour aider à combler ce fossé, en s’inspirant du plus grand superordinateur de la nature.
Tobias Fischer, chercheur à l’université technologique du Queensland, a parlé de son travail d’intégration de ces puces de pointe dans des robots autonomes, où elles surpassent les superordinateurs gourmands en ressources pour certaines tâches. Son équipe travaille plus particulièrement sur la localisation et la navigation, c’est-à-dire qu’elle aide les robots à déterminer où ils se trouvent dans des situations inconnues.
« Le Center for Robotics est un énorme laboratoire, explique Tobias Fischer. « Il compte plus de 100 personnes. Nous faisons tout, de la manipulation – saisir des objets et les ramasser – à la robotique spatiale, en passant par l’interaction humaine et les éléments sociaux nécessaires pour parler avec les humains. Nous faisons beaucoup de recherche sur les techniques de vision, en utilisant des caméras et des capteurs pour aider les robots à percevoir le monde de manière similaire à ce que nous faisons avec nos yeux. En prenant une série d’intensités de pixels et en leur donnant une signification de plus haut niveau pour dire que c’est une voiture, que c’est une chaise. C’est très simple, même pour un enfant de cinq ans, mais incroyablement difficile pour un ordinateur. »
« Là où j’entre en jeu, c’est dans la localisation et la navigation. Si vous demandez à un robot de déballer votre lave-vaisselle, il doit savoir comment trouver votre cuisine. Il doit percevoir les objets et décider s’ils présentent un intérêt ou s’ils doivent être ignorés. S’il peut passer au-dessus d’eux ou non ».
Sorti en octobre 2021, Loihi 2 est une puce de recherche de pointe.
Les réseaux neuronaux profonds ont été utiles dans ce domaine, montrant une capacité impressionnante à apprendre au fil du temps, et à appliquer des étiquettes de haut niveau à certains objets en se basant uniquement sur des informations visuelles. Mais leur formation peut consommer une quantité incroyable d’énergie.
« La plupart des universités disposent de superordinateurs à haute performance et d’immenses salles de stockage climatisées », explique le Dr Fischer. « Ces superordinateurs consomment autant d’énergie qu’une ville de taille moyenne en un an, simplement pour former certains de ces grands réseaux. C’est fou, c’est une utilisation énorme des ressources. Les puces Loihi 2 d’Intel adoptent une approche différente, qui permet d’utiliser une classe particulière de réseaux avec une efficacité énergétique exceptionnelle. Vous ne pouvez exécuter qu’un sous-ensemble de réseaux ou d’algorithmes d’optimisation, mais vous pouvez les exécuter de manière très, très efficace. »
L’écart d’efficacité se résume à la façon dont les millions de « neurones » sur les puces s’activent dans les réseaux neuronaux profonds, par opposition aux réseaux neuronaux à pointes comme la puce Loihi. « Vous entrez une image, et disons que vous voulez déterminer s’il s’agit d’une chaise ou d’une personne », a déclaré le Dr Fischer. « Dans un réseau neuronal profond, les centaines de millions de neurones sont activés à chaque étape du traitement. Cela consomme beaucoup de ressources. Dans un réseau de neurones à pointes, seul un très petit sous-ensemble de neurones est activé à la fois. Ils ont un état interne qui accumule des preuves que quelque chose pourrait ressembler à une chaise, mais ils n’émettent pas de « pic » tant que ces preuves n’atteignent pas un certain seuil. »
Ces puces sont suffisamment compactes pour fonctionner directement sur de petits robots, et même des drones. « En gros, on branche une petite clé USB sur l’ordinateur existant qui fonctionne sur le robot », explique le Dr Fischer. « Cela fonctionne comme un accélérateur matériel. Nous espérons qu’ils nous aideront à mettre au point des techniques de localisation adaptative extrêmement efficaces, à grande vitesse et avec une faible latence, ce qui est essentiel lorsque vous essayez de distinguer et de suivre des objets dans un flux vidéo. De plus, l’efficacité en soi est excellente pour les robots et les drones qui doivent transporter leur propre source d’énergie. »
Loihi 2 permet aux réseaux neuronaux à pointes ultra-efficaces de remplacer les réseaux neuronaux profonds gourmands en ressources dans certaines applications.
« Quand nous disons localisation adaptative, nous aimerions vraiment que ces choses soient capables de s’adapter à des conditions changeantes », a-t-il poursuivi. « De la nuit au jour, évidemment, cela fait une énorme différence dans l’apparence de votre environnement. Mais on peut aussi passer d’un environnement ensoleillé à un environnement en plein orage ou à une tempête de neige, ce genre de choses. Si vous pouvez vous adapter aux changements de votre environnement, cela améliorera les techniques de positionnement et de localisation et la précision que nous pouvons obtenir. »
Loihi présente quelques inconvénients, admet-il, qui pourraient l’empêcher de sortir des laboratoires de recherche pour devenir un produit commercial qui pourrait commencer à être livré sur des drones, par exemple. « Le problème que rencontrent les communautés Intel et neuromorphiques est que nous sommes souvent à la traîne en matière de robustesse et de précision par rapport aux algorithmes conventionnels qui fonctionnent davantage sur le CPU ou le GPU », précise-t-il. « Et il est beaucoup plus difficile de trouver ces algorithmes en premier lieu, par rapport aux réseaux neuronaux profonds conventionnels qui sont étudiés par Dieu sait combien de dizaines de milliers de chercheurs chaque jour. Nous n’avons pas encore fait la percée qui les rendra généralement applicables dans un éventail de scénarios suffisamment large pour susciter un intérêt pour la commercialisation. Intel collabore évidemment avec un certain nombre d’universités comme la nôtre pour franchir les étapes qui mèneront à cette réalisation, mais nous n’en sommes pas encore là. »
https://www.qut.edu.au/news?id=183429
