Utilisation des ordinateurs analogiques dans l'intelligence artificielle (IA)

Sep 03, 2023

Les ordinateurs analogiques sont une classe d'appareils dans lesquels des quantités physiques telles que la tension électrique, les mouvements mécaniques ou la pression des fluides sont représentées de manière à être analogues à la quantité correspondante dans le problème à résoudre.

Voici un exemple simple d'un ordinateur analogique.

Si nous tournons les roues noires et blanches d'une certaine quantité, la roue grise indique la somme des deux rotations.

L'un des premiers ordinateurs analogiques était le mécanisme d'Anticythère, construit vers 100-200 av. J.-C. Il impliquait une série d'engrenages en bronze imbriqués de telle sorte que le mouvement de certains cadrans était analogue au mouvement du soleil et de la lune. Il était également capable de prédire les éclipses des décennies à l'avance.

Pour additionner deux nombres à huit bits, environ 50 transistors sont nécessaires. Avec un ordinateur analogique, cependant, nous pouvons ajouter deux courants en connectant simplement deux fils. De même, pour multiplier deux nombres, nous avons besoin de milliers de transistors. Au contraire, nous pouvons faire passer un courant (I Ampère) à travers une résistance (R-Ohm), et la chute de potentiel aux deux extrémités du fil serait I*R, c'est-à-dire le produit de deux nombres.

Les ordinateurs analogiques sont puissants, rapides et économes en énergie. Cependant, les ordinateurs numériques les ont remplacés car ils sont à usage unique et imprécis, et comme les entrées sont continues, il est difficile de répéter exactement le processus.

En IA, les ordinateurs analogiques étaient utilisés pour diverses tâches, notamment la reconnaissance de formes, la prise de décision et le contrôle. Par exemple, ils ont été utilisés pour former des réseaux de neurones, qui sont des modèles d'apprentissage automatique inspirés de la structure et de la fonction du cerveau humain. Des ordinateurs analogiques ont également été utilisés pour mettre en œuvre des systèmes d'IA basés sur des règles qui utilisent des règles spécifiques pour prendre des décisions ou prendre des mesures.

Malgré leur utilisation répandue dans le passé, les ordinateurs analogiques ne sont plus aussi courants dans l'IA et l'apprentissage automatique, en grande partie en raison de l'avènement des ordinateurs numériques. Les ordinateurs numériques sont beaucoup plus rapides et plus fiables que les ordinateurs analogiques, et ils peuvent stocker et traiter des quantités de données beaucoup plus importantes. De plus, les ordinateurs numériques sont plus faciles à programmer et à entretenir, ce qui en a fait le choix préféré pour la plupart des applications d'IA et d'apprentissage automatique.

Il existe une tendance croissante à l'utilisation de réseaux de neurones plus grands dans les applications d'apprentissage automatique et d'intelligence artificielle. Cette tendance est motivée par la nécessité d'améliorer les performances sur des tâches de plus en plus complexes et la disponibilité de plus de données, de matériel et d'algorithmes pour prendre en charge la formation de réseaux plus importants. Cependant, certains défis sont associés à cette demande accrue.

Alors que les ordinateurs numériques approchent de leurs limites, les réseaux de neurones ont gagné en popularité, une grande partie de leurs fonctionnalités étant centrée sur la multiplication matricielle. De plus, les réseaux de neurones ne nécessitent pas les calculs précis des ordinateurs numériques, car une confiance de 98% ou 95% dans la classification d'une image en tant que chien est suffisante. Ces facteurs offrent aux ordinateurs analogiques une excellente occasion d'assumer un rôle beaucoup plus important dans l'IA.

IA mythique est une startup informatique analogique qui crée des puces analogiques pour faire fonctionner des réseaux de neurones. Différents algorithmes d'IA, comme la détection de mouvement, l'estimation de profondeur, la classification d'objets, etc., sont exécutés dans le domaine analogique.

Mythic a modifié les cellules de stockage flash numérique pour rendre cela possible. Ces cellules sont généralement utilisées pour le stockage en mémoire et peuvent contenir un un ou un zéro. Une tension positive appliquée à la grille de commande permet aux électrons de traverser une barrière isolante et d'être piégés sur la grille flottante. La tension peut alors être supprimée et les électrons resteront longtemps sur la grille flottante, empêchant le courant de circuler à travers la cellule.

La valeur stockée peut être déterminée en appliquant une petite tension. Aucun courant ne circulera s'il y a des électrons sur la grille flottante, indiquant un zéro. S'il n'y a pas d'électrons, le courant circulera, c'est-à-dire un.

L'idée de Mythic est d'utiliser ces cellules non pas comme des interrupteurs marche/arrêt mais comme des résistances variables. Ils le font en mettant un nombre spécifique d'électrons sur chaque grille flottante au lieu de tout ou rien. Plus le nombre d'électrons est élevé, plus la résistance du canal est élevée. Lors de l'application d'une petite tension, le courant circulant est égal à V sur R. Mais vous pouvez également considérer cela comme la tension multipliée par la conductance, où la conductance n'est que l'inverse de la résistance. Ainsi, une seule cellule flash peut être utilisée pour multiplier deux valeurs ensemble, la tension multipliée par la conductance.

Pour l'utiliser pour exécuter un réseau de neurones artificiels, ils écrivent d'abord tous les poids sur les cellules flash en tant que conductance de chaque cellule. Ensuite, ils saisissent les valeurs d'activation en tant que tension sur les cellules. Et le courant résultant est le produit de la tension par la conductance, qui est l'activation par le poids. Les cellules sont câblées ensemble de sorte que le courant de chaque multiplication s'additionne, complétant la multiplication matricielle.

Leur puce peut effectuer 25 billions d'opérations mathématiques par seconde tout en utilisant seulement 3 W de puissance. Au contraire, les nouveaux systèmes numériques peuvent effectuer 20 à 100 billions d'opérations mathématiques par seconde, mais ils sont coûteux (des milliers de dollars) et consomment 50 à 100 W de puissance.

Il a été suggéré d'utiliser des circuits analogiques dans les haut-parleurs intelligents pour la maison spécifiquement dans le but de détecter des mots de réveil tels que "Alexa" ou "Siri". Cette approche nécessiterait moins d'énergie et permettrait l'activation rapide et fiable des circuits numériques dans l'appareil.

En résumé, il n'est pas certain que les ordinateurs analogiques deviendront aussi répandus que les ordinateurs numériques. Cependant, ils sont mieux adaptés à une variété de tâches actuelles que nous voulons que les ordinateurs effectuent, et nous pourrions peut-être faire en sorte que les machines atteignent une véritable intelligence grâce à la puissance de l'analogique.

N'oubliez pas de rejoindrenotre page Redditetcanal de discorde, où nous partageons les dernières nouvelles sur la recherche en IA, des projets d'IA sympas, et plus encore.

Les références:

Je suis diplômé en génie civil (2022) de Jamia Millia Islamia, New Delhi, et j'ai un vif intérêt pour la science des données, en particulier les réseaux de neurones et leur application dans divers domaines.