Des chercheurs de l’USC Viterbi School of Engineering ont développé des neurones artificiels qui reproduisent physiquement le comportement électrochimique complexe des cellules biologiques du cerveau. Cette innovation, documentée dans la revue Électronique naturelleconstitue une avancée majeure pour l’informatique neuromorphique (inspirée du cerveau). Contrairement aux puces existantes qui *simulent* simplement l’activité cérébrale avec les mathématiques, ces nouveaux neurones artificiels l’*émulent* physiquement. Ceci est important car la nouvelle conception est une fraction de la taille, consomme beaucoup moins d’énergie et pourrait constituer une étape cruciale vers la création d’une intelligence artificielle générale (AGI). Le projet, dirigé par le professeur Joshua Yang de l’USC, introduit un nouveau dispositif appelé memristor diffusif. Voici la principale différence : presque tous les ordinateurs modernes, de votre téléphone au superordinateur, sont construits sur une technologie de silicium qui fonctionne en mélangeant les électrons. C’est incroyablement rapide, mais c’est aussi incroyablement gourmand en énergie, un problème majeur pour faire fonctionner les modèles d’IA géants d’aujourd’hui. Le cerveau humain n’utilise pas les électrons de la même manière. C’est du « wetware ». Il fonctionne grâce à un mélange de signaux électriques et chimiques. Lorsqu’un signal atteint l’extrémité d’un neurone (la synapse), il est converti en produits chimiques (des ions comme le potassium ou le sodium) qui se déplacent physiquement vers le neurone suivant, transmettant l’information. L’équipe du professeur Yang a réussi à imiter ce processus physique. Au lieu du silicium, leur appareil utilise ions d’argent dans un oxyde. Les atomes d’argent se déplacent physiquement pour générer une impulsion électrique, imitant la dynamique ionique du cerveau. « Même s’il ne s’agit pas exactement des mêmes ions… la physique régissant le mouvement des ions et la dynamique sont très similaires », explique Yang. « Le cerveau apprend en déplaçant des ions à travers les membranes, permettant ainsi un apprentissage économe en énergie et adaptatif directement dans le matériel. »
Pourquoi le « wetware » est plus intelligent que le matériel
L’avantage de cette approche cérébrale n’est pas la rapidité ; les électrons sont encore plus rapides. L’avantage est l’efficacité. Le cerveau humain peut apprendre à reconnaître des chiffres manuscrits après avoir vu seulement quelques exemples, tout en consommant seulement environ 20 watts de puissance. Un supercalculateur a besoin de milliers d’exemples et consomme des mégawatts d’énergie pour accomplir la même tâche. Yang explique que les électrons sont « légers et volatils », ce qui est idéal pour l’apprentissage par logiciel mais terrible pour l’efficacité. Les ions, étant plus lourds, créent des changements plus persistants au niveau matériel, c’est ainsi que le cerveau apprend réellement. Cette nouvelle méthode est un pas de plus vers l’imitation de cette intelligence naturelle.
Un énorme bond en avant en termes d’efficacité
Les bénéfices de cette nouvelle conception sont énormes. Dans la conception de puces conventionnelles, simuler un seul neurone nécessite des dizaines, voire des centaines de transistors. La nouvelle conception de memristor diffusif nécessite l’espace de seulement un transistor. « Nous concevons les éléments de base qui nous permettront à terme de réduire la taille des puces de plusieurs ordres de grandeur et de réduire la consommation d’énergie de plusieurs ordres de grandeur », explique Yang. Il y a encore des obstacles. L’argent utilisé dans l’expérience n’est pas compatible avec la fabrication standard de semi-conducteurs, l’équipe devra donc étudier d’autres matériaux. Mais la preuve de concept constitue une avancée majeure. Avec ces nouveaux éléments constitutifs compacts – synapses et neurones artificiels – la prochaine étape consiste à en intégrer des millions sur une puce. « Encore plus excitant », conclut Yang, « est la perspective que de tels systèmes fidèles au cerveau pourraient nous aider à découvrir de nouvelles informations sur le fonctionnement du cerveau lui-même. »
