Une idée vieille de 20 ans multiplie par 1 000 l'efficacité de l'IA
C'est principalement le transfert de données qui est à l'origine d'une grande partie de la consommation d'énergie. C'est encore plus vrai avec les énormes quantités de données que les algorithmes d'intelligence artificielle traitent.
L'omission de cette étape, qui est également considérée comme un goulot d'étranglement entre la mémoire et les processus logiques, a donc un impact énorme. C'est là qu'intervient une idée de 2003, développée à l'époque à l'université du Minnesota.
Cette idée a donné lieu à une collaboration entre de nombreuses disciplines, de la physique à l'ingénierie en passant par l'informatique. Il en est résulté un certain nombre de circuits qui sont aujourd'hui utilisés dans les montres intelligentes et les éléments de mémoire.
La mémoire vive informatique (Computational Random Access Memory, ou CRAM) a également été impliquée. Elle permet de calculer et d'exécuter des processus parallèles directement dans la mémoire principale et à n'importe quel endroit.
Plus qu'une nouvelle architecture
En outre, il ne s'agit pas de circuits conventionnels, mais de contacts tunnel magnétiques qui peuvent utiliser le spin de l'électron au lieu de la charge pour passer de 0 à 1.
Dans les applications basées sur l'intelligence artificielle, cela se traduit par une consommation d'énergie d'un millième pour obtenir finalement le même résultat qu'avec la méthode classique. La consommation d'électricité actuelle et prévue des réseaux neuronaux dans le monde montre à quel point cette quantité d'électricité est énorme. Selon l'Agence internationale de l'énergie, 460 térawattheures ont été consommés en 2022. En 2026 au plus tard, elle devrait atteindre 1 000 térawattheures.
Avec le gigantesque potentiel d'économie de 99,9 %, il resterait 999 térawattheures qui ne seraient plus nécessaires. Cela correspond à la consommation annuelle d'électricité du Japon, quatrième économie mondiale avec 126 millions d'habitants.
Selon l'article, ce résultat ne serait même pas le meilleur possible. D'autres tests permettraient de réduire la consommation d'énergie d'un facteur de 1 700 ou 2 500. Cette augmentation supplémentaire de l'efficacité est rendue possible par une adaptation ciblée de la CRAM aux algorithmes individuels, qui peuvent être calculés encore plus rapidement et donc plus économiquement.
