L’algorithme qui entraîne des réseaux de neurones physiques profonds

Représentation conceptuelle générée par l'IA (DALL-E 3) et représentant des ondes lumineuses qui traversent un système physique. EPFL/LWE CC-BY-SA 4. Des scientifiques de l'EPFL ont mis au point un algorithme capable d'entraîner un réseau neuronal analogique avec une précision équivalente à celle d'un réseau numérique. Ceci ouvre la voie au développement de matériel informatique dédié à l'apprentissage profond moins énergivore. Grâce à leur capacité à traiter de grandes quantités de données par 'apprentissage' algorithmique plutôt que par programmation traditionnelle, les réseaux neuronaux profonds comme Chat-GPT donnent souvent l'impression d'avoir un potentiel illimité. Mais l'accroissement de la portée et de l'impact de ces systèmes s'est accompagné d'une augmentation de leur taille, de leur complexité et de leur consommation d'énergie, cette dernière étant suffisamment élevée pour susciter des inquiétudes quant à leur contribution aux émissions mondiales de carbone. Alors que l'on pense souvent aux progrès technologiques en termes de passage de l'analogique au numérique, les spécialistes cherchent désormais des réponses à ce problème dans des alternatives physiques aux réseaux neuronaux profonds numériques.