{"id":12649,"date":"2016-05-02T09:11:59","date_gmt":"2016-05-02T07:11:59","guid":{"rendered":"http:\/\/www.oezratty.net\/wordpress\/?p=12649"},"modified":"2016-05-24T10:53:58","modified_gmt":"2016-05-24T08:53:58","slug":"avancees-intelligence-artificielle-8","status":"publish","type":"post","link":"https:\/\/www.oezratty.net\/wordpress\/2016\/avancees-intelligence-artificielle-8\/","title":{"rendered":"Les avanc\u00e9es de l’intelligence artificielle – 8"},"content":{"rendered":"

Voici la suite de cette longue s\u00e9rie d\u2019articles sur les avanc\u00e9es de l\u2019intelligence artificielle. Apr\u00e8s un peu de s\u00e9mantique<\/a>, un tour des techniques de l\u2019IA<\/a>, l\u2019\u00e9tude de cas d\u2019IBM Watson<\/a>, un tour d\u2019horizon des startups am\u00e9ricaines de l\u2019IA<\/a>, puis de celles qui sont acquises par les grands groupes<\/a>, les startups fran\u00e7aises du secteur<\/a>, et l\u2019\u00e9tat de l\u2019art de la connaissance du cerveau<\/a>, attaquons nous aux \u00e9volutions technologiques qui pourraient permettre \u00e0 l\u2019IA de faire des sauts quantiques.<\/p>\n

L\u2019IA a connu des vagues diverses d\u2019hivers et de renaissances. Pour certains, il s\u2019agit plut\u00f4t de vaguelettes. Les r\u00e9centes \u201cvictoires\u201d de l\u2019IA comme dans Jeopardy (2011) et AlphaGo (2016) donnent l\u2019impression que des sauts quantiques ont \u00e9t\u00e9 franchis. C\u2019est en partie une vue de l\u2019esprit car ces progr\u00e8s sont sommes toutes modestes et r\u00e9alis\u00e9s dans des domaines tr\u00e8s sp\u00e9cialis\u00e9s, surtout pour le jeu de Go.<\/p>\n

Peut-on d\u00e9cortiquer par quels biais les progr\u00e8s dans l\u2019IA vont s\u2019acc\u00e9l\u00e9rer ? Nous avons vu dans les parties pr\u00e9c\u00e9dentes qu\u2019il \u00e9tait difficile de faire la part des choses entre avanc\u00e9es li\u00e9es \u00e0 l\u2019immat\u00e9riel et celles qui d\u00e9pendent du mat\u00e9riel. Je vais commencer par les algorithmes et logiciels puis aborder la partie mat\u00e9rielle. Avec en interlude, un passage sur l\u2019application de la loi de Moore dans la vraie vie qui est bien diff\u00e9rente des belles exponentielles pr\u00e9sent\u00e9es \u00e0 tout va !<\/p>\n

Algorithmes et logiciels<\/strong><\/p>\n

Nous verrons plus loin que le mat\u00e9riel continuera de progresser, m\u00eame si c\u2019est un chemin sem\u00e9 d\u2019embuches du c\u00f4t\u00e9 des processeurs.<\/p>\n

S\u2019il y a bien une loi de Moore difficile \u00e0 \u00e9valuer, c\u2019est celle des algorithmes et logiciels ! Personne ne la mesure et pourtant, une bonne part des progr\u00e8s num\u00e9riques vient de l\u00e0 et pas seulement de l\u2019augmentation de la puissance du mat\u00e9riel.<\/p>\n

Les r\u00e9seaux neuronaux \u00e0 boucle de feedback et le deep learning auto-apprenants sont maintenant anciens et leur progression est lente dans le principe. Leur mise en \u0153uvre s\u2019am\u00e9liore beaucoup gr\u00e2ce aux possibilit\u00e9s mat\u00e9rielles qui permettent de cr\u00e9er des r\u00e9seaux neuronaux multicouches allant jusqu\u2019\u00e0 14 couches.<\/p>\n

\"Neuro<\/a><\/p>\n

A chaque fois qu\u2019un record est battu comme avec AlphaGo, il r\u00e9sulte de la combinaison de la force du mat\u00e9riel, du stockage et du logiciel. Qui plus est, ces records de l\u2019IA portent sur des domaines tr\u00e8s sp\u00e9cialis\u00e9es. La vari\u00e9t\u00e9 et les subtilit\u00e9s des raisonnements humains sont encore loin. Mais elles ne sont pas hors de port\u00e9e. Notre cerveau est une machine hyper-complexe, mais ce n\u2019est qu\u2019une machine donc potentiellement imitable.<\/p>\n

La recherche progresse en parall\u00e8le dans les techniques de reconnaissance d\u2019images (\u00e0 base de r\u00e9seaux de neurones et de machine learning), de la parole (itou) et de l\u2019analyse de donn\u00e9es (idem). Les algorithmes g\u00e9n\u00e9tiques sont de leur c\u00f4t\u00e9 utilis\u00e9s pour trouver des chemins optimums vers des solutions \u00e0 des probl\u00e8mes complexes int\u00e9grant de nombreux param\u00e8tres, comme pour trouver le chemin optimum du voyageur du commerce.<\/p>\n

C\u2019est dans le domaine de l\u2019intelligence artificielle int\u00e9grative <\/strong>que des progr\u00e8s significatifs peuvent \u00eatre r\u00e9alis\u00e9s. Elle consiste \u00e0 associer diff\u00e9rentes m\u00e9thodes et techniques pour r\u00e9soudre des probl\u00e8mes complexes voire m\u00eame r\u00e9soudre des probl\u00e8mes g\u00e9n\u00e9riques. On la retrouve mise en \u0153uvre dans les agents conversationnels tels que ceux que permet de cr\u00e9er IBM Watson ou ses concurrents.<\/p>\n

Dans le jargon de l\u2019innovation, on appelle cela de l\u2019innovation par l\u2019int\u00e9gration. C\u2019est d\u2019ailleurs la forme la plus courante d\u2019innovation et l\u2019IA ne devrait pas y \u00e9chapper. Cette innovation par l\u2019int\u00e9gration est d\u2019autant plus pertinente que les solutions d\u2019IA rel\u00e8vent encore souvent de l\u2019artisanat et n\u00e9cessitent beaucoup d\u2019exp\u00e9rimentation et d\u2019ajustements.<\/p>\n

Cette int\u00e9gration est un savoir nouveau \u00e0 forte valeur ajout\u00e9e, au-del\u00e0 de l\u2019int\u00e9gration traditionnelle de logiciels via des APIs classiques. Cette intelligence artificielle int\u00e9grative est \u00e0 l\u2019\u0153uvre dans un grand nombre de startups du secteur. Le m\u00e9lange des genres n’est pas \u00e9vident \u00e0 d\u00e9crypter pour le profane : machine learning, deep learning, support vector machines, mod\u00e8les de Markov, r\u00e9seaux bay\u00e9siens, r\u00e9seaux neuronaux, m\u00e9thodes d’apprentissage supervis\u00e9es ou non supervis\u00e9es, etc. D’o\u00f9 un discipline qui est difficile \u00e0 benchmarker d’un point de vue strictement technique et d’\u00e9gal \u00e0 \u00e9gal. Ce d’autant plus que le march\u00e9 \u00e9tant tr\u00e8s fragment\u00e9, il y a peu de points de comparaison possibles entre solutions. Soit il s’agit de produits finis du grand public comme la reconnaissance d’images ou vocale, et d’agents conversationnels tr\u00e8s \u00e0 la mode en ce moment, soit il s’agit de solutions d’entreprises exploitant des jeux de donn\u00e9es non publics. Un nouveau savoir est \u00e0 cr\u00e9er : le benchmark de solutions d’IA ! Voil\u00e0 un m\u00e9tier du futur !<\/p>\n

La vie artificielle <\/strong>est un autre pan de recherche important connexe aux recherches sur l\u2019IA. Il s\u2019agit de cr\u00e9er des mod\u00e8les permettant de simuler la vie avec un niveau d\u2019abstraction plus ou moins \u00e9lev\u00e9. On peut ainsi simuler des comportements complexes int\u00e9grant des syst\u00e8mes qui s\u2019auto-organisent, s\u2019auto-r\u00e9parent, s\u2019auto-r\u00e9pliquent et \u00e9voluent d\u2019eux-m\u00eames en fonction de contraintes environnementales.<\/p>\n

Jusqu\u2019\u00e0 pr\u00e9sent, les solutions d\u2019IA fonctionnaient \u00e0 un niveau de raisonnement relativement bas. Il reste \u00e0 cr\u00e9er des machines capables de g\u00e9rer le sens commun, une forme d\u2019intelligence g\u00e9n\u00e9tique capable \u00e0 la fois de brasser le vaste univers des connaissances – au-del\u00e0 de nos capacit\u00e9s – et d\u2019y appliquer un raisonnement permettant d\u2019identifier non pas des solutions mais des probl\u00e8mes \u00e0 r\u00e9soudre. Il reste \u00e0 apprendre aux solutions d\u2019IA d\u2019avoir envie de faire quelque chose. On ne sait pas non plus aider une solution d\u2019IA \u00e0 prendre du recul, \u00e0 changer de mode de raisonnement dynamiquement, \u00e0 mettre plusieurs informations en contexte, \u00e0 trouver des patterns de ressemblance entre corpus d\u2019id\u00e9es d\u2019univers diff\u00e9rents permettant de r\u00e9soudre des probl\u00e8mes par analogie. Il reste aussi \u00e0 d\u00e9velopper des solutions d\u2019IA capables de cr\u00e9er des th\u00e9ories et de les v\u00e9rifier ensuite par l\u2019exp\u00e9rimentation.<\/p>\n

Pour ce qui est de l\u2019ajout de ce qui fait de nous des \u00eatres humains, comme la sensation de faim, de peur ou d\u2019envie, d\u2019empathie, de besoin de relations sociales, on en est encore loin. Qui plus est, ce n\u2019est pas forc\u00e9ment n\u00e9cessaire pour r\u00e9soudre des probl\u00e8mes courants de l\u2019univers des entreprises. Comme l\u2019indique si bien Yuval Noah Harari<\/a>, l\u2019auteur du best-seller \u201dSapiens\u201d qui interviendra en juin dans la conf\u00e9rence USI<\/a> organis\u00e9e par Octo Technology \u00e0 Paris, \u201cL\u2019\u00e9conomie a besoin d\u2019intelligence, pas de conscience<\/em>\u201d ! Laissons donc une partie de notre intelligence voire une intelligence plus d\u00e9velopp\u00e9e aux machines et conservons la conscience, les \u00e9motions et la cr\u00e9ativit\u00e9 !<\/p>\n

La loi de Moore dans la vraie vie<\/strong><\/p>\n

La loi de Moore est la pierre angulaire de nombreuses pr\u00e9dictions technologiques, notamment pour ce qui concerne celles de l\u2019intelligence artificielle. Pr\u00e9sent\u00e9e comme immuable et quasi-\u00e9ternelle, cette loi empirique indique que la densit\u00e9 des transistors dans les processeurs double tous les 18 \u00e0 24 mois selon les versions. Elle est aussi d\u00e9clin\u00e9e \u00e0 foison pour d\u00e9crire et pr\u00e9dire divers progr\u00e8s techniques ou technico-\u00e9conomiques. Cela peut concerner la vitesse des r\u00e9seaux, la capacit\u00e9 de stockage, le cout d\u2019une cellule solaire photovolta\u00efque ou celui du s\u00e9quen\u00e7age d\u2019un g\u00e9nome humain. Une progression n\u2019en entraine pas forc\u00e9ment une autre. Le cout peut baisser mais pas la performance brute, comme pour les cellules solaires PV. On peut donc facilement jouer avec les chiffres.<\/p>\n

La loi de Moore est cens\u00e9e s\u2019appliquer \u00e0 des solutions commercialement disponibles, et si possible, en volume. Or ce n\u2019est pas toujours le cas. Ainsi, l\u2019\u00e9volution de la puissance des supercalculateurs est mise en avant comme un progr\u00e8s technique validant la loi de Moore. Or, ces calculateurs sont cr\u00e9\u00e9s avec des moyens financiers quasiment illimit\u00e9s et n\u2019existent qu\u2019en un seul exemplaire, souvent r\u00e9alis\u00e9 pour de la recherche militaro-industrielle ou de grands projets de recherche (a\u00e9rospatial, g\u00e9nomique, m\u00e9t\u00e9o). Ce que l\u2019on peut observer dans la belle exponentielle ci-dessous issue d\u2019AMD.<\/p>\n

\"HPC<\/a><\/p>\n

Dans la plupart des cas, ces technologies \u201cde luxe\u201d se retrouvent dans des produits grand public apr\u00e8s quelques ann\u00e9es. Ainsi, la puissance des super-calculateurs des ann\u00e9es 1990 s\u2019est retrouv\u00e9e dans les consoles de jeu des ann\u00e9es 2000. Au lieu de faire des calculs en \u00e9l\u00e9ments finis pour des pr\u00e9visions m\u00e9t\u00e9o, les consoles de jeux calculent des millions de polygones pour simuler des images en 3D temps r\u00e9el. Mais cette puissance n\u2019est pas homoth\u00e9tique dans toutes les dimensions. Si la puissance de calcul est similaire, les capacit\u00e9s de stockage ne sont pas les m\u00eames.<\/p>\n

Examinons donc de pr\u00e8s comment cette fameuse loi s\u2019applique pour des objets num\u00e9riques grand public. Prenons trois cas d\u2019usages courants : un laptop <\/strong>plut\u00f4t haut de gamme en 2006 et en 2016, l\u2019\u00e9volution de l\u2019iPhone <\/strong>entre sa premi\u00e8re \u00e9dition lanc\u00e9e en juin 2007 et l\u2019iPhone 6S lanc\u00e9 en septembre 2015 et puis l\u2019\u00e9volution du haut d\u00e9bit fixe <\/strong>sur 10 ans.<\/p>\n

En appliquant une belle loi de Moore uniforme, les caract\u00e9ristiques techniques de ces trois larrons devraient doubler tous les deux ans au minimum. Sur une p\u00e9riode de 10 ans, cela donnerait 2 puissance 5 soient x32<\/strong> et sur 8 ans, x16<\/strong>. Si le doublement intervenait tous les 18 mois, ces facteurs seraient respectivement de x101 <\/strong>et x40<\/strong>.<\/p>\n

Commen\u00e7ons par un laptop <\/strong>haut de gamme \u00e0 prix \u00e9quivalent entre 2006 et 2016. J\u2019ai compar\u00e9 deux mod\u00e8les plut\u00f4t haut de gamme de la m\u00eame marque : un Asus W7J de 2006 et un Asus Zenbook UX303UA de 2016, certes sorti en 2015. Mais entre fin 2015 et mi 2016, il n\u2019y a pas eu de changements d\u2019architecture des laptops, qui collent \u00e0 la roadmap d\u2019Intel.<\/p>\n

Aucun param\u00e8tre technique n\u2019a \u00e9volu\u00e9 d\u2019un facteur x32 et \u00e0 fortiori d\u2019un facteur x100. Ceux qui ont le mieux progress\u00e9 et qui ont un impact sur la performance per\u00e7ue par l\u2019utilisateur sont la vitesse du moteur graphique (x12) et celle du Wi-Fi (x24). Pour le reste, les gains sont tr\u00e8s modestes. Le processeur est \u201cseulement\u201d 3,7 fois plus rapide. La r\u00e9solution des \u00e9crans a augment\u00e9 mais la r\u00e9solution limit\u00e9e de l\u2019\u0153il rend caduque cette progression d\u00e8s lors qu\u2019un \u00e9cran atteint la r\u00e9solution 4K, qui commence \u00e0 apparaitre sur certains laptops.<\/p>\n

\"Laptop<\/a><\/p>\n

Le plus grand retardataire est la batterie qui n\u2019\u00e9volue quasiment pas. L\u2019autonomie des laptops a progress\u00e9 non pas gr\u00e2ce aux batteries mais \u00e0 la baisse de consommation des processeurs et autres composants \u00e9lectroniques ainsi qu\u2019\u00e0 l\u2019intelligence int\u00e9gr\u00e9e dans les syst\u00e8mes d\u2019exploitation, aussi bien Windows que MacOS. Les derniers processeurs Intel savent \u00e9teindre certaines de leurs parties lorsqu\u2019elles ne sont pas utilis\u00e9es. Par contre, la densit\u00e9 des batteries s\u2019est un peu am\u00e9lior\u00e9e et leur cure d\u2019amaigrissement a permis de cr\u00e9er des laptops plus fins.<\/p>\n

\"Loi<\/a><\/p>\n

Du c\u00f4t\u00e9 de l\u2019iPhone<\/strong>, la situation est plus contrast\u00e9e et bien meilleure que pour les laptops. Deux dimensions techniques ont bien progress\u00e9 : le processeur qui est x18 fois plus rapide et la communication data Internet mobile qui est x781 <\/strong>fois plus rapide, tout du moins en th\u00e9orie, car d\u2019un point de vue pratique, le ratio r\u00e9el est plus raisonnable. Et encore, c’est li\u00e9 au choix peu hardi du Edge au moment de la sortie du premier iPhone alors que la 3G aurait tr\u00e8s bien pu \u00eatre support\u00e9e.<\/p>\n

\"iPhone<\/a><\/p>\n

Contrairement aux laptops, au lieu de voir les prix baisser, ils augmentent, positionnement haut de gamme d\u2019Apple oblige. Le poids augmente aussi car l\u2019iPhone 6S a un \u00e9cran plus grand que celui du premier iPhone. Et comme pour les laptops, la capacit\u00e9 de la batterie a tr\u00e8s peu augment\u00e9. J\u2019ai indiqu\u00e9 les r\u00e9solutions d\u2019\u00e9cran et de capteurs vid\u00e9o sachant qu\u2019il n\u2019y a pas de raison objective de vouloir poursuivre ad-vitam la loi de Moore pour ce qui les concerne.<\/p>\n

\"Application<\/a><\/p>\n

La situation est assez diff\u00e9rente du c\u00f4t\u00e9 du haut d\u00e9bit fixe<\/strong>. Vous pouvez stagner pendant une d\u00e9cennie \u00e0 la m\u00eame vitesse d\u2019acc\u00e8s \u00e0 Internet et b\u00e9n\u00e9ficier tout d\u2019un coup d\u2019un progr\u00e8s soudain appliquant 10 ans de loi de Moore. Si vous passez par exemple d\u2019un ADSL \u00e0 12 Mbits\/s en download et 1 Mbits\/s en upload \u00e0 de la fibre chez Free \u00e0 1 Gbits\/s en download et 200 Mbits\/s en upload, le facteur multiplicateur est respectivement de x83 et x200. Si vous partiez d\u2019un d\u00e9bit encore plus faible du fait d\u2019un plus grand \u00e9loignement des centraux t\u00e9l\u00e9coms, le facteur multiplicateur serait encore plus \u00e9lev\u00e9. Mais plus votre d\u00e9bit ADSL d\u2019origine est faible, plus faibles sont les chances de voir la fibre arriver chez vous du fait des travaux d\u2019infrastructure \u00e0 r\u00e9aliser pour passer les fourreaux transportant la fibre du central t\u00e9l\u00e9com jusqu\u2019\u00e0 chez vous !<\/p>\n

Chez les autres op\u00e9rateurs que Free, le facteur multiplicateur d\u00e9pend de la technologie utilis\u00e9e. Chez Numericable, c\u2019est du FTTB \u00e0 la performance \u00e0 g\u00e9om\u00e9trie variable selon l\u2019\u00e2ge du capitaine et surtout un d\u00e9bit montant assez limit\u00e9. Chez Orange, vous avez des taquets de d\u00e9bits \u00e0 100, 200 et 500 Mbits\/s en download et de 50 Mbits\/s \u00e0 200 MBits\/s en upload selon l\u2019offre commerciale. Et si vous attendez toujours la fibre, la loi de Moore vous concernant est un enc\u00e9phalogramme tout plat !<\/p>\n

En ne conservant que les param\u00e8tres techniques o\u00f9 la loi de Moore est pertinente, voici donc ce que cela donne sous une autre forme, \u00e0 savoir la progression moyenne tous les deux ans. On voit qu\u2019\u00e0 part la data WAN, on est loin du doublement tous les deux ans de la performance !<\/p>\n

\"Loi<\/a><\/p>\n

La loi de Moore s\u2019applique bien mieux aux liaisons r\u00e9seaux haut d\u00e9bit fixe et mobiles qu\u2019\u00e0 la capacit\u00e9 de calcul et de stockage, surtout sur ordinateurs personnels. Cela explique indirectement la mont\u00e9e en puissance des architectures en cloud. On peut plus facilement r\u00e9partir une grosse charge de calcul sur des serveurs que sur des postes de travail ou des mobiles. On retrouve cette architecture dans Siri qui traite une bonne part de la reconnaissance vocale c\u00f4t\u00e9 serveurs. Au passage, la loi de Moore de la vraie vie valide aussi le sc\u00e9nario de fiction de \u201cSkynet\u201d des films Terminator o\u00f9 c\u2019est une intelligence logicielle distribu\u00e9e sur des millions de machines dans le r\u00e9seau qui provoque une guerre nucl\u00e9aire !<\/p>\n

Alors, la loi de Moore est foutue ? Pas si vite ! Elle avance par hoquets. Il reste encore beaucoup de mou sous la p\u00e9dale pour faire avancer la puissance du mat\u00e9riel et sur lequel l\u2019IA pourrait surfer.<\/p>\n

Puissance de calcul<\/strong><\/p>\n

La fameuse loi de Moore est mise en avant par les singularistes pour pr\u00e9dire le d\u00e9passement de l\u2019homme par l\u2019IA \u00e0 une \u00e9ch\u00e9ance de quelques d\u00e9cennies. Seulement voil\u00e0, la validation dans la dur\u00e9e de cette loi empirique de Moore n\u2019est pas triviale comme nous venons de le voir.<\/p>\n

\"Moores<\/a><\/p>\n

La question est revenue au-devant de la sc\u00e8ne alors que cette loi f\u00eatait ses 50 ans d\u2019existence. Un anniversaire comment\u00e9 pour annoncer la fin de ses effets, tout du moins dans le silicium et les technologies CMOS. Cette technologie est sur le point d\u2019atteindre un taquet aux alentours de 5 nm d\u2019int\u00e9gration sachant que l\u2019on est d\u00e9j\u00e0 \u00e0 10 nm \u00e0 ce jour, notamment chez Intel, et \u00e0 14 nm en version commerciale (Core M et Core i de g\u00e9n\u00e9ration Skylake 2015). Les architectures multi-c\u0153urs atteignent de leur c\u00f4t\u00e9 leurs limites car les syst\u00e8mes d\u2019exploitation et les applications sont difficiles \u00e0 ventiler automatiquement sur un nombre \u00e9lev\u00e9 de c\u0153urs, au-del\u00e0 de 4.<\/p>\n

Le sch\u00e9ma ci-dessus et qui vient de Kurzweil n\u2019a pas \u00e9t\u00e9 mis \u00e0 jour depuis 2006. Il est difficile d\u2019obtenir un sch\u00e9ma sur l\u2019application de la loi de Moore au-del\u00e0 de 2010 pour les processeurs. Est-ce parce que l\u2019\u00e9volution de la puissance de calcul s\u2019est calm\u00e9e depuis ? Dans le m\u00eame temps, les d\u00e9couvertes en neuro-biologies \u00e9voqu\u00e9es dans l\u2019article pr\u00e9c\u00e9dent augmentent de plusieurs ordres de grandeur la complexit\u00e9 de la mod\u00e9lisation du fonctionnement d\u2019un cerveau humain. Bref, cela retarde quelque peu l\u2019\u00e9ch\u00e9ance de la singularit\u00e9.<\/p>\n

\"Economist<\/a><\/p>\n

L\u2019excellent dossier After Moore\u2019s Law<\/a>, paru dans The Economist en mars 2016, d\u00e9taille bien la question en expliquant pourquoi la loi de Moore des transistors CMOS pourrait s\u2019arr\u00eater d\u2019ici une douzaine d\u2019ann\u00e9e lorsque l\u2019on descendra au niveau des 5 nm d\u2019int\u00e9gration. Et encore, la messe n\u2019est pas encore dite. A chaque nouvelle g\u00e9n\u00e9ration d\u2019int\u00e9gration, les fondeurs se demandent s\u2019ils vont pouvoir faire descendre r\u00e9ellement le cout de fabrication des transistors. En-dessous de 14 nm, ce n\u2019est pas du tout \u00e9vident. Mais l\u2019ing\u00e9nuit\u00e9 humaine a des ressources insoup\u00e7onnables comme elle l\u2019a d\u00e9montr\u00e9 dans les g\u00e9n\u00e9rations pr\u00e9c\u00e9dentes de processeurs CMOS !<\/p>\n

Il faudra tout de m\u00eame trouver autre chose, et en suivant divers chemins de traverse diff\u00e9rents des processeurs en technologie CMOS.<\/p>\n

Voici les principales pistes connues \u00e0 ce jour et qui rel\u00e8vent toutes plut\u00f4t du long terme :<\/p>\n

Continuer \u00e0 descendre coute que coute le niveau d\u2019int\u00e9gration<\/u><\/p>\n

En 2015, IBM et Global Foundries cr\u00e9aient une premi\u00e8re en testant la cr\u00e9ation d\u2019un processeur en technologie 7 nm<\/a> \u00e0 base de silicium et de germanium, battant le record d\u2019Intel qui est \u00e0 ce jour descendu \u00e0 10 nm. L\u2019enjeu cl\u00e9 est de descendre en int\u00e9gration sans que les prix n\u2019explosent. Or, la gravure en extr\u00eame ultra-violet qui est n\u00e9cessaire pour \u201cdessiner\u201d les transistors sur le silicium est complexe \u00e0 mettre au point et plut\u00f4t ch\u00e8re.<\/p>\n

\"SUNY<\/a><\/p>\n

Le multi-patterning, que j\u2019explique ici<\/a>, permet d\u2019en contourner les limitations. Mais il coute tout aussi cher car il ajoute de nombreuses \u00e9tapes \u00e0 la fabrication des chipsets et peut augmenter le taux de rebus. La loi de Moore s\u2019exprime en densit\u00e9 de transistors et aussi en prix par transistors. Si la densit\u00e9 augmente mais que le prix par transistor augmente aussi, cela ne colle pas pour les applications les plus courantes.<\/p>\n

Cr\u00e9er des processeurs sp\u00e9cialis\u00e9s<\/u><\/p>\n

Ils sont notamment utiles pour cr\u00e9er des r\u00e9seaux neuronaux, comme nous l\u2019avions d\u00e9j\u00e0 vu dans la seconde partie<\/a> de cette s\u00e9rie. La piste est int\u00e9ressante et est d\u00e9j\u00e0 tr\u00e8s largement utilis\u00e9e dans le cadre des GPU ou des codecs vid\u00e9o qui sont souvent d\u00e9cod\u00e9s dans le mat\u00e9riel et pas par logiciel, comme le format HEVC qui est utilis\u00e9 dans la diffusion de vid\u00e9o en Ultra Haute D\u00e9finition (4K).<\/p>\n

C\u2019est l\u2019approche de Nvidia avec ses chipsets X1 (ci-dessous<\/em>) \u00e0 256 c\u0153urs ou plus, qui sont utilis\u00e9s dans la reconnaissance d\u2019images des v\u00e9hicules autonomes ou \u00e0 conduite assist\u00e9e comme les Tesla S. Ces GPU simulent des r\u00e9seaux neuronaux avec une facult\u00e9 d\u2019auto-apprentissage. La piste se heurte cependant aux limites de la connectique. Pour l\u2019instant, dans les r\u00e9seaux neuronaux mat\u00e9riels, chaque neurone n\u2019est reli\u00e9 qu\u2019\u00e0 ceux qui sont avoisinants dans leur plan. Dans le cerveau, l\u2019int\u00e9gration des neurones est tridimensionnelle.<\/p>\n

\"Tegra-X1-layout\"<\/a><\/p>\n

Il est possible d\u2019imiter cette architecture 3D avec des couches m\u00e9talliques multiples dans les circuits int\u00e9gr\u00e9s mais elles coutent pour l\u2019instant assez cher \u00e0 produire et plus on les empile, plus cela devient compliqu\u00e9. Les processeurs les plus modernes comprennent une petite dizaine de couches de m\u00e9tallisation, comme indiqu\u00e9 dans ce sch\u00e9ma d\u2019origine Intel.<\/p>\n

\"Intel<\/a><\/p>\n

Il n\u2019est cependant pas th\u00e9oriquement impossible de superposer des processeurs les uns sur les autres, tout du moins, tant que l\u2019on peut limiter leur r\u00e9chauffement. L\u2019empilement serait concevable en baissant la fr\u00e9quence des chipsets, ou avec des techniques extr\u00eames de refroidissement. M\u00eame en divisant par mille la clock des chipsets CMOS, ils resteraient bien plus rapides que la \u201cclock\u201d du cerveau qui est de l\u2019ordre de 100 Hz.<\/p>\n

Changer de technologie au niveau des transistors <\/u><\/p>\n

Cela permettrait d\u2019acc\u00e9l\u00e9rer leur vitesse de commutation <\/strong>et augmenter gr\u00e2ce \u00e0 cela la fr\u00e9quence d\u2019horloge des processeurs. Cela peut passer par exemple par des portes au graph\u00e8ne IBM avait annonc\u00e9<\/a> en 2011 avoir produit des transistors au graph\u00e8ne capables d\u2019atteindre une fr\u00e9quence de 155 GHz, et en 40 nm. Les laboratoires qui planchent sur le graph\u00e8ne depuis une dizaine d\u2019ann\u00e9e ont bien du mal \u00e0 le mettre en \u0153uvre en contournant ses \u00e9cueils et \u00e0 le fabriquer \u00e0 un co\u00fbt raisonnable. Il faudra encore patienter un peu de ce c\u00f4t\u00e9-l\u00e0 m\u00eame si cela semble tr\u00e8s prometteur et avec des d\u00e9bouch\u00e9s dans tous les domaines et pas seulement dans l\u2019IA.<\/p>\n

\"Graphene<\/a><\/p>\n

Passer de l\u2019\u00e9lectron au photon <\/u><\/p>\n

C\u2019est la photonique qui exploite des composants \u00e0 base des mat\u00e9riaux dits \u201cIII-V\u201d, un sujet que j\u2019avais explor\u00e9 dans Comment Alcatel-Lucent augmente les d\u00e9bits d\u2019Internet <\/a>en 2013. Aujourd\u2019hui, la photonique est surtout utilis\u00e9e dans le multiplexage de donn\u00e9es sur les liaisons ultra-haut-d\u00e9bit des op\u00e9rateurs t\u00e9l\u00e9coms, dans des applications tr\u00e8s sp\u00e9cifiques, ainsi que sur des bus de donn\u00e9es optiques de supercalculateurs.<\/p>\n

La startup fran\u00e7aise Lighton.io <\/strong>planche sur la cr\u00e9ation d\u2019un coprocesseur optique capable de r\u00e9aliser tr\u00e8s rapidement des calculs sur de gros volumes de donn\u00e9es et de combinatoires. Le syst\u00e8me s\u2019appuie sur la g\u00e9n\u00e9ration de jeux de donn\u00e9es al\u00e9atoires permettant de tester simultan\u00e9ment plusieurs hypoth\u00e8ses de calcul, \u00e0 des fins d\u2019optimisation. Les applications vis\u00e9es sont en premier lieu la g\u00e9nomique et l\u2019Internet des objets.<\/p>\n

L\u2019un des enjeux se situe dans l\u2019int\u00e9gration de composants hybrides, ajoutant des briques en photonique au-dessus de composants CMOS plus lents. Intel et quelques autres sont sur le pont.<\/p>\n

Une fois que l\u2019on aura des processeurs optiques g\u00e9n\u00e9ralistes, il faudra relancer le processus d\u2019int\u00e9gration. Il est actuellement situ\u00e9 aux alentours de 200 nm pour la photonique et la course se d\u00e9clenchera alors pour descendre vers 10 \u00e0 5 nm comme pour le CMOS actuel.<\/p>\n

Plancher sur les ordinateurs quantiques<\/u><\/p>\n

Imagin\u00e9s par le physicien Richard Feynman en 1982, les ordinateurs quantiques sont \u00e0 m\u00eame de r\u00e9soudre certaines classes de probl\u00e8mes complexes d\u2019optimisation o\u00f9 plusieurs combinatoires peuvent \u00eatre test\u00e9es simultan\u00e9ment. Les algorithmes peuvent \u00eatre r\u00e9solus de mani\u00e8re polynomiale et non exponentielle. Cela veut dire qu\u2019au gr\u00e9 de l\u2019augmentation de leur complexit\u00e9, le temps de calcul augmente de mani\u00e8re lin\u00e9aire avec cette complexit\u00e9 et pas de mani\u00e8re exponentielle. Donc\u2026 c\u2019est beaucoup plus rapide !<\/p>\n

Mais sauf \u00e0 \u00eatre un sp\u00e9cialiste du secteur, on n\u2019y comprend plus rien ! Le principe des qubits qui sous-tendent les ordinateurs quantiques est d\u00e9crit dans Quantum computation, quantum theory and AI<\/a> de Mingsheng Ying, qui date de 2009. Vous \u00eates tr\u00e8s fort si vous comprenez quelque chose \u00e0 partir de la fin de la seconde page ! Et la presse g\u00e9n\u00e9raliste et m\u00eame scientifique simplifie tellement le propos que l\u2019on croit avoir compris alors que l\u2019on n\u2019a rien compris du tout !<\/p>\n

Dans Quantum POMPDs<\/a>, Jennifer Barry, Daniel Barry et Scott Aaronson, du MIT, \u00e9voquent en 2014 comment les ordinateurs quantiques permettent de r\u00e9soudre des probl\u00e8mes avec des processus de d\u00e9cision markovien partiellement observable<\/a>s<\/strong>. Il s\u2019agit de m\u00e9thodes permettant d\u2019identifier des \u00e9tats optimaux d\u2019un syst\u00e8me pour lequel on ne dispose que d\u2019informations partielles sur son \u00e9tat.<\/p>\n

Quant \u00e0 Quantum Speedup for Active Learning Agents<\/a>, publi\u00e9 en 2014, un groupe de scientifiques espagnols et autrichiens y expliquent comment les ordinateurs quantiques pourraient servir \u00e0 cr\u00e9er des agents intelligents dot\u00e9s de facult\u00e9s d\u2019auto-apprentissage rapide. Cela serait un chemin vers le d\u00e9veloppement de syst\u00e8mes d\u2019IA cr\u00e9atifs.<\/p>\n

En 2014, des chinois de l\u2019Universit\u00e9 de Sciences et Technologies de Hefei ont \u00e9t\u00e9 parmi les premiers \u00e0 exp\u00e9rimenter<\/a> des ordinateurs quantiques pour mettre en jeu des r\u00e9seaux de neurones artificiels, pour la reconnaissance d\u2019\u00e9criture manuscrite. Leur ordinateur quantique utilise un compos\u00e9 organique liquide associant carbone et fluor. On n\u2019en sait pas beaucoup plus !<\/p>\n

Les \u00e9quipes de la NASA ont cr\u00e9\u00e9 de leur c\u00f4t\u00e9 le QuAIL, le Quantum Artificial Intelligence Laboratory<\/strong>, en partenariat avec Google Research. Il utilise un D-Wave Two comme outil d\u2019exp\u00e9rimentation, \u00e0 ce jour le seul ordinateur quantique commercial, diffus\u00e9 \u00e0 quelques unit\u00e9s seulement. Leurs publications scientifiques<\/a> sont abondantes mais pas faciles d\u2019abord comme les autres ! Ce centre de la NASA est situ\u00e9 au Ames Research Center, l\u00e0-m\u00eame o\u00f9 se trouve la Singularity University et \u00e0 quelques kilom\u00e8tres du si\u00e8ge de Google \u00e0 Mountain View.<\/p>\n

Google <\/strong>annon\u00e7ait fin 2015 avoir r\u00e9ussi \u00e0 r\u00e9aliser des calculs quantiques 100 millions de fois plus rapidement qu\u2019avec des ordinateurs classiques sur ce DWave-Two. Ces tests sont mal document\u00e9s au niveau des entr\u00e9es, des sorties et des algorithmes test\u00e9s. Il se pourrait m\u00eame que ces algorithmes soient cod\u00e9s \u201cen dur\u201d dans les qubits des D-Wave ! Qui plus est, la comparaison faite par Google avec les calculs sur ordinateurs traditionnels s\u2019appliquait \u00e0 algorithme identique alors que les algorithmes utilis\u00e9s dans l\u2019ordinateur quantique n\u2019\u00e9taient pas optimis\u00e9s pour ordinateurs traditionnels. Bref, le sujet est pol\u00e9mique, comme le rapportent La Tribune<\/a> ou Science et Avenir<\/a>. Est-ce une querelle entre anciens et modernes ? Pas vraiment car ceux qui doutent des performances du D-Wave travaillent aussi sur les ordinateurs quantiques.<\/p>\n

\"d-wave-google-nasa-quantum-computer\"<\/a><\/p>\n

D\u00e9but mai 2016, IBM<\/a> annon\u00e7ait mettre \u00e0 disposition son ordinateur quantique exp\u00e9rimental cryog\u00e9nique de 5 Qubits en ligne dans son offre de cloud. On ne sait pas trop quel type de recherche pourra \u00eatre men\u00e9e avec ce genre d’ordinateur ni quelles APIs sont utilis\u00e9es.<\/p>\n

\"IBM<\/a><\/p>\n

Quid des recherches en France ? Le CEA <\/strong>de Saclay\u00a0<\/strong>planche depuis longtemps sur la cr\u00e9ation de circuits quantiques. Ils ont d\u00e9velopp\u00e9 en 2009 un dispositif de lecture d\u2019\u00e9tat quantique<\/a> non destructif de qubits apr\u00e8s avoir cr\u00e9\u00e9 l\u2019un des premiers qubits en 2002. Et le CEA-LETI de Grenoble a de son c\u00f4t\u00e9 r\u00e9cemment r\u00e9alis\u00e9 des qubits sur composants CMOS<\/a> gr\u00e2ce \u00e0 la technologie SOI d\u2019isolation des transistors sur le substrat silicium des composants. Ces composants ont toutefois besoin d\u2019\u00eatre refroidis pr\u00e8s du z\u00e9ro absolu (-273\u00b0C) pour fonctionner. Enfin, le groupe fran\u00e7ais ATOS<\/strong>, d\u00e9j\u00e0 positionn\u00e9 dans le march\u00e9 des supercalculateurs depuis son rachat de Bull,\u00a0<\/strong>travaille avec le CEA pour cr\u00e9er un ordinateur quantique \u00e0 l\u2019horizon 2030<\/a>.<\/p>\n

Dans son \u00e9tude Quantum Computing Market Forecast 2017-2022<\/a>, le cabinet Market Research Media pr\u00e9voit que le march\u00e9 des ordinateurs quantiques fera $5B d\u2019ici 2020, en int\u00e9grant toute la chaine de valeur mat\u00e9rielle et logicielle. Le premier march\u00e9 serait celui de la cryptographie. Avant de parler de march\u00e9, il faudrait que cela marche ! Et nous n\u2019y sommes pas encore. Chaque chose en son temps : la recherche, l\u2019exp\u00e9rimentation puis l\u2019industrialisation. Nous n\u2019en sommes qu\u2019aux deux premi\u00e8res \u00e9tapes pour l\u2019instant.<\/p>\n

Explorer les ordinateurs mol\u00e9culaires <\/u><\/p>\n

Ils permettraient de descendre le niveau d\u2019int\u00e9gration au-dessous du nanom\u00e8tre en faisant r\u00e9aliser les calculs par des mol\u00e9cules organiques de la taille de l\u2019ADN. Cela reste aussi un animal de laboratoire<\/a> pour l\u2019instant ! Mais un animal tr\u00e8s prometteur, surtout si l\u2019architecture correspondante pouvait fonctionner de mani\u00e8re tridimensionnelle et plus rapidement que notre cerveau. Reste aussi \u00e0 comprendre quelle est la vitesse de commutation de ces composants organiques et comment ils sont aliment\u00e9s en \u00e9nergie.<\/p>\n

Toutes ces innovations technologiques devront surtout se diffuser \u00e0 un cout raisonnable. En effet, si on extrapole la structure de cout actuelle des superordinateurs, il se pourrait qu\u2019un supercalculateur dot\u00e9 de la puissance du cerveau \u00e0 une \u00e9ch\u00e9ance pluri-d\u00e9cennale soit d\u2019un cout sup\u00e9rieur au PIB de l\u2019Allemagne (source<\/a>). Ca calme ! La puissance brute est une chose, son rapport qualit\u00e9\/prix en est une autre !<\/p>\n

\"Growth<\/a><\/p>\n

La notion d\u2019IA int\u00e9grative pourrait aussi voir le jour dans les architectures mat\u00e9rielles. Comme le cerveau qui comprend diverses parties sp\u00e9cialis\u00e9es, un ordinateur dou\u00e9 d\u2019IA \u00e9volu\u00e9e int\u00e9grera peut-\u00eatre des architectures hybrides avec processeurs au graph\u00e8ne, optiques et quantiques en compl\u00e9ments d’une logique de base en bon et vieux CMOS ! Ceci est d’autant plus plausible que certaines techniques sont insuffisantes pour cr\u00e9er un ordinateur g\u00e9n\u00e9rique, notamment les ordinateurs quantiques qui ne sauraient g\u00e9rer qu’une certaine classe de probl\u00e8mes, mais pas comprimer ou d\u00e9comprimer une vid\u00e9o par exemple, ou faire tourner une base de donn\u00e9es NoSQL.<\/p>\n

Stockage<\/strong><\/p>\n

Si la loi de Moore a tendance \u00e0 se calmer du c\u00f4t\u00e9 des processeurs CMOS, elle continue de s\u2019appliquer au stockage. Elle s\u2019est appliqu\u00e9e de mani\u00e8re plut\u00f4t stable aux disques durs jusqu\u2019\u00e0 pr\u00e9sent. Le premier disque de 1 To (Hitachi en 3,5 pouces) est apparu en 2009 et on en est maintenant \u00e0 8 To. Donc, 2 puissance 4 et Moore est sauf. L\u2019\u00e9volution s\u2019est ensuite d\u00e9plac\u00e9e vers les disques SSD \u00e0 m\u00e9moires NAND dont la capacit\u00e9, d\u00e9marr\u00e9e plus bas que celle des disques durs, augmente r\u00e9guli\u00e8rement tout comme sa vitesse d\u2019acc\u00e8s et le tout avec une baisse r\u00e9guli\u00e8re des prix. Les perspectives de croissance sont ici plus optimistes qu\u2019avec les processeurs CMOS.<\/p>\n

\"Toshiba<\/a><\/p>\n

Comme nous l\u2019avions survol\u00e9 dans le dernier Rapport du CES 2016<\/a>, les m\u00e9moires NAND 3D font des progr\u00e8s \u00e9normes, notamment avec la technologie 3D XPoint d\u2019Intel et Micron qui combine le stockage longue dur\u00e9e et une vitesse d\u2019acc\u00e8s \u00e9quivalente \u00e0 celle la m\u00e9moire RAM associ\u00e9e aux processeurs. Elle est encore \u00e0 l’\u00e9tat de prototype mais sa fabrication ne semble pas hors de port\u00e9e.<\/p>\n

La technologie de m\u00e9moire 3D est aussi ma\u00eetris\u00e9e par des soci\u00e9t\u00e9s telles que Samsung<\/strong> (ci-dessous, avec sa technologique V-NAND) et Toshiba <\/strong>(ci-dessus avec sa technologie BiCS). Elle consiste \u00e0 cr\u00e9er des puces avec plusieurs couches empil\u00e9es de transistors, ou de transistors mont\u00e9s en colonnes. L\u2019e niveau d\u2019int\u00e9gration le plus bas des transistors est ici \u00e9quivalent \u00e0 celui des CPU les plus denses\u00a0: il descend jusqu\u2019\u00e0 10 nm.<\/p>\n

\"Samsung<\/a><\/p>\n

On sait empiler aujourd\u2019hui jusqu\u2019\u00e0 48 couches de transistors, et cela pourrait rapidement atteindre une centaine de couches. Des disques SSD de 16 To devraient arriver d\u2019ici peu ! Pourquoi cette int\u00e9gration verticale est-elle possible pour la m\u00e9moire et pas pour les processeurs (GPU, CPU) ? C\u2019est li\u00e9 \u00e0 la r\u00e9sistance \u00e0 la mont\u00e9e en temp\u00e9rature. Dans un processeur, une bonne part des transistors fonctionne en m\u00eame temps alors que l\u2019acc\u00e8s \u00e0 la m\u00e9moire est s\u00e9quentiel et donc n\u2019active pas simultan\u00e9ment les transistors. Un processeur chauffe donc plus qu\u2019une m\u00e9moire. Si on empilait plusieurs couches de transistors dans un processeur, il se mettrait \u00e0 chauffer bien trop et s\u2019endommagerait. Par contre, on sait assembler des circuits les uns sur les autres pour r\u00e9pondre aux besoins d\u2019applications sp\u00e9cifiques.<\/p>\n

Pour les supercalculateurs, une t\u00e2che ardue est \u00e0 accomplir : acc\u00e9l\u00e9rer la vitesse de transfert des donn\u00e9es du stockage vers les processeurs au gr\u00e9 de l\u2019augmentation de la performance de ces derniers. Cela va aller jusqu\u2019\u00e0 int\u00e9grer de la connectique \u00e0 100 Gbits\/s dans les processeurs. Mais la m\u00e9moire ne suit pas forc\u00e9ment. Aujourd\u2019hui, un SSD connect\u00e9 en PCI et avec un connecteur M.2 est capable de lire les donn\u00e9es \u00e0 la vitesse vertigineuse de 1,6 Go\/s, soit un dixi\u00e8me de ce qui est recherch\u00e9 dans les calculateurs haute performance (HPC). Mais cette vitesse semble sup\u00e9rieure \u00e0 celle de lecture d\u2019un SSD ! Le bus de communication est devenu plus rapide que le stockage !<\/p>\n

Avec 3D XPoint, l\u2019acc\u00e8s aux donn\u00e9es serait 1000 fois plus rapide qu\u2019avec les SSD actuels, modulo l\u2019interface utilis\u00e9e. Apr\u00e8s un retard \u00e0 l\u2018allumage, cette technologie pourrait voir le jour commercialement en 2017. Elle aura un impact important pour les syst\u00e8mes d\u2019IA temps r\u00e9el comme IBM Watson. Rappelons-nous que pour Jeopardy, l\u2019ensemble de la base de connaissance \u00e9tait charg\u00e9e en m\u00e9moire RAM pour permettre un traitement rapide des questions !<\/p>\n

Cette augmentation de la rapidit\u00e9 d\u2019acc\u00e8s \u00e0 la m\u00e9moire, qu\u2019elle soit vive ou de longue dur\u00e9e, est indispensable pour suivre les \u00e9volutions \u00e0 venir de la puissance des processeurs avec l\u2019un des techniques que nous avons examin\u00e9es juste avant.<\/p>\n

\"HPC<\/a><\/p>\n

(<\/span>source du slide ci-dessus<\/span><\/a>)<\/span><\/p>\n

Des chercheurs d\u2019universit\u00e9 et m\u00eame de chez Microsoft cherchent \u00e0 stocker l\u2019information dans de l\u2019ADN<\/strong>. Les premi\u00e8res exp\u00e9riences men\u00e9es depuis quelques ann\u00e9es sont prometteuses. La densit\u00e9 d\u2019un tel stockage serait \u00e9norme. Son avantage est sa durabilit\u00e9, estim\u00e9e \u00e0 des dizaines de milliers d\u2019ann\u00e9es, voire plus selon les techniques de pr\u00e9servation. Reste \u00e0 trouver le moyen d\u2019\u00e9crire et de lire dans de l\u2019ADN \u00e0 une vitesse raisonnable.<\/p>\n

Aujourd\u2019hui, on sait imprimer des bases d\u2019ADN \u00e0 une vitesse incommensurablement lente par rapport aux besoins des ordinateurs. Cela se chiffre en centaines de bases par heure au grand maximum. Cette vitesse s\u2019acc\u00e9l\u00e8rera sans doutes dans les ann\u00e9es \u00e0 venir. Mais, comme c\u2019est de la chimie, elle sera probablement plus lente que les changements de phase ou de magn\u00e9tisme qui ont court dans les syst\u00e8mes de stockage num\u00e9rique actuels. La loi de Moore patientera donc quelques d\u00e9cennies de ce c\u00f4t\u00e9 l\u00e0, tout du moins pour ses applications dans le cadre de l\u2019IA.<\/p>\n

Capteurs sensoriels<\/strong><\/p>\n

L\u2019un des moyens de se rapprocher et m\u00eame de d\u00e9passer l\u2019homme est de multiplier les capteurs sensoriels. La principale diff\u00e9rence entre l\u2019homme et la machine r\u00e9side dans la port\u00e9e de ces capteurs. Pour l\u2019homme, la port\u00e9e est imm\u00e9diate et ne concerne que ses alentours. Pour les machines, elle peut-\u00eatre distante et globale. On voit autour de soi, on sent la temp\u00e9rature, on peut toucher, etc. Les machines peuvent capter des donn\u00e9es environnementales \u00e0 tr\u00e8s grande \u00e9chelle. C\u2019est l\u2019avantage des r\u00e9seaux d\u2019objets connect\u00e9s \u00e0 grande \u00e9chelle, comme dans les \u201csmart cities\u201d. Et les volumes de donn\u00e9es g\u00e9n\u00e9r\u00e9s par les objets connect\u00e9s sont de plus en plus importants, cr\u00e9ant \u00e0 la fois un d\u00e9fi technologique et une opportunit\u00e9 pour leur exploitation.<\/p>\n

Le cerveau a une caract\u00e9ristique m\u00e9connue : il ne comprend pas de cellules sensorielles. Cela explique pourquoi on peut faire de la chirurgie \u00e0 cerveau ouvert sur quelqu\u2019un d\u2019\u00e9veill\u00e9. La douleur n\u2019est perceptible qu\u2019\u00e0 la p\u00e9riph\u00e9rie du cerveau. D\u2019ailleurs, lorsque l\u2019on a une migraine, c\u2019est en g\u00e9n\u00e9ral li\u00e9 \u00e0 une douleur p\u00e9riph\u00e9rique au cerveau, qui ne provient pas de l\u2019int\u00e9rieur. L\u2019ordinateur est dans le m\u00eame cas : il n\u2019a pas de capteurs sensoriels en propre. Il ne ressent rien s\u2019il n\u2019est pas connect\u00e9 \u00e0 l\u2019ext\u00e9rieur.<\/p>\n

Cette diff\u00e9rence peut se faire sentir m\u00eame \u00e0 une \u00e9chelle limit\u00e9e comme dans le cas des v\u00e9hicules \u00e0 conduite assist\u00e9e ou automatique qui reposent sur une myriade de capteurs : ultrasons, infrarouges, vid\u00e9o et laser \/ LIDAR, le tout fonctionnant \u00e0 360\u00b0. Ces capteurs fournissent aux ordinateurs de bord une information exploitable qui va au-del\u00e0 de ce que le conducteur peut percevoir. C\u2019est l\u2019une des raisons pour lesquelles les v\u00e9hicules automatiques sont \u00e0 terme tr\u00e8s prometteurs et plus s\u00e9curis\u00e9s. Ces techniques sont d\u00e9j\u00e0 meilleures que les sens humains, surtout en termes de temps de r\u00e9ponse, de vision \u00e0 360\u00b0 et de capacit\u00e9 d\u2019anticipation des mouvements sur la chauss\u00e9e (pi\u00e9tons, v\u00e9los, autres v\u00e9hicules).<\/p>\n

\"Artificial-Prosthetic-Skin-3\"<\/a><\/p>\n

Les capteurs de proximit\u00e9 int\u00e9grables \u00e0 des machines comme les robots progressent m\u00eame dans leur bio mim\u00e9tisme. Des prototypes de peau artificielle sensible existent d\u00e9j\u00e0 en laboratoire, comme en Cor\u00e9e du Sud (ci-dessous, source dans Nature<\/a>). L\u2019une des m\u00e9caniques humaines les plus difficiles \u00e0 reproduire sont les muscles. Ils restent une m\u00e9canique extraordinaire, \u00e9conome en \u00e9nergie, fluide dans le fonctionnement, que les moteurs des robots ont bien du mal \u00e0 imiter.<\/p>\n

Les capteurs fonctionnent aussi dans l\u2019autre sens : de l\u2019homme vers la machine. Les progr\u00e8s les plus impressionnants concernent les capteurs c\u00e9r\u00e9braux permettant \u00e0 l\u2019homme de contr\u00f4ler des machines, comme pour contr\u00f4ler un membre artificiel robotis\u00e9, une application pouvant restaurer des fonctions m\u00e9caniques de personnes handicap\u00e9es, voire de d\u00e9multiplier la force de personnes valides, dans les applications militaires ou de BTP. L\u2019homme peut ainsi piloter la machine car la p\u00e9riph\u00e9rie du cortex c\u00e9r\u00e9bral contient les zones o\u00f9 nous commandons nos actions musculaires. Des exp\u00e9riences de t\u00e9l\u00e9pathie<\/a> sont \u00e9galement possibles, en captant par EEG la pens\u00e9e d\u2019un mot d\u2019une personne et en la transmettant \u00e0 distance \u00e0 une autre personne en lui pr\u00e9sentant ce mot sous forme de flash visuel par le proc\u00e9d\u00e9 TMS, de stimulation magn\u00e9tique transcraniale.<\/p>\n

\"Telepathy\"<\/a><\/p>\n

Si on peut d\u00e9j\u00e0 alimenter le cerveau au niveau de ses sens, comme de la vue, en interceptant le nerf optique et en simulant le fonctionnement de la r\u00e9tine ou par la TMS, on ne sait pas l\u2019alimenter en id\u00e9es <\/strong>et informations abstraites <\/strong>car on ne sait pas encore vraiment comment et surtout o\u00f9 elles sont stock\u00e9es. Dans Mashable<\/a>, une certaine Marine Benoit affirmait un peu rapidement en mars 2016 qu\u2019une \u00e9quipe avait mis au point \u201cun stimulateur capable d\u2019alimenter directement le cerveau humain en informations<\/em>\u201d. A ceci pr\u00e8s que l\u2019\u00e9tude en question, Frontiers in Human Neuroscience<\/a> ne faisait \u00e9tat que d\u2019un syst\u00e8me qui modulait la capacit\u00e9 d\u2019acquisition par stimulation ! Pour l\u2019instant, on doit se contenter de lire dans le cerveau dans la dimension m\u00e9canique mais pas \u201c\u00e9crire\u201d dedans directement. On ne peut passer que par les \u201centr\u00e9es\/sorties\u201d, \u00e0 savoir les nerfs qui v\u00e9hiculent les sens, mais pas \u00e9crire directement dans la m\u00e9moire. Mais ce n\u2019est peut-\u00eatre qu\u2019un d\u00e9but !<\/p>\n

\"Implant<\/a><\/p>\n

(<\/span>source de la photo<\/span><\/a>, cr\u00e9dit Guy Hotson)<\/span><\/p>\n

Energie<\/strong><\/p>\n

L\u2019homme ne consomme en moyenne que 100 Watts\u00a0dont 20 Watts pour le cerveau. C\u2019est un excellent rendement. Tout du moins, pour ceux qui font travailler leur cerveau. Ce n\u2019est pas facile \u00e0 \u00e9galer avec une machine et pour r\u00e9aliser les t\u00e2ches de base que r\u00e9alise un humain. Les supercalculateurs consomment au mieux quelques KW et certains d\u00e9passent les MW.<\/p>\n

Des progr\u00e8s sont cependant notables dans les processeurs mobiles. Consommant moins de 5 W, ils agr\u00e8gent une puissance de calcul de plus en plus impressionnante gr\u00e2ce \u00e0 des architectures multi-c\u0153urs, \u00e0 un fonctionnement en basse tension, aux technologies CMOS les plus r\u00e9centes comme le FinFET (transistors verticaux) ou FD-SOI (couche d\u2019isolant en dioxyde de silicium r\u00e9duisant les fuites de courant dans les transistors et am\u00e9liorant leur rendement \u00e9nerg\u00e9tique) et \u00e0 une fr\u00e9quence d\u2019horloge raisonnable (entre 1 et 1,5 GHz).<\/p>\n

La m\u00e9canique et l\u2019\u00e9nergie sont les talons d\u2019Achille non pas de l\u2019IA qui est distribuable l\u00e0 o\u00f9 on le souhaite mais des robots. Un homme a une autonomie d\u2019au moins une journ\u00e9e en \u00e9tat de marche convenable sans s\u2019alimenter. Un robot en est encore loin. D\u2019o\u00f9 l\u2019int\u00e9r\u00eat des travaux pour am\u00e9liorer les batteries et notamment leur densit\u00e9 \u00e9nerg\u00e9tique. Un besoin qui se fait sentir partout, des smartphones et laptops aux v\u00e9hicules \u00e9lectriques en passant par les robots. Les progr\u00e8s dans ce domaine ne sont pas du tout exponentiels. Cela a m\u00eame plut\u00f4t tendance \u00e0 stagner. Dans les batteries, c\u2019est la loi de l\u2019escargot qui s\u2019appliquerait avec un quadruplement de la densit\u00e9 tous les 20 ans (source<\/a>).<\/p>\n

\"Snail<\/a><\/p>\n

Des laboratoires de recherche inventent r\u00e9guli\u00e8rement des technologies de batteries battant des records en densit\u00e9 \u00e9nerg\u00e9tique ou du c\u00f4t\u00e9 du temps de chargement, \u00e0 base de mat\u00e9riaux diff\u00e9rents et\/ou de nano-mat\u00e9riaux. Mais en elles sortent rarement, faute de pouvoir \u00eatre industrialis\u00e9es \u00e0 un co\u00fbt raisonnable ou de bien fonctionner dans la dur\u00e9e. Parfois, on arrive \u00e0 une densit\u00e9 \u00e9nerg\u00e9tique \u00e9norme, mais cela ne fonctionne que pour quelques cycles de charge\/d\u00e9charge. Trop injuste !<\/p>\n

R\u00e9sultat, pour le moment, la principale voie connue est celle de l\u2019efficacit\u00e9 industrielle, choisie par Elon Musk dans la cr\u00e9ation de sa Gigafactory dans le Nevada, une usine \u00e0 $5B qui exploitera la technologie de batteries standards de Panasonic, qui a aussi mis $1B au pot pour le financement de l\u2019usine. Une usine qui est aussi proche d\u2019une mine de Lithium<\/a>, \u00e0 Clayton Valley, l\u2019un des compos\u00e9s cl\u00e9s des batteries et qui\u00a0d\u00e9marrera sa production en 2020.<\/p>\n

On peut cependant citer l\u2019\u00e9tonnante performance d\u2019un laboratoire de l\u2019universit\u00e9 de Columbia qui a r\u00e9ussi \u00e0 alimenter un composant CMOS avec de l\u2019\u00e9nergie provenant de l\u2019ATP (ad\u00e9nosine triphosphate), la source d\u2019\u00e9nergie principale des cellules vivantes qui est g\u00e9n\u00e9r\u00e9e par les nombreuses mitochondries qu’elles contiennent. Cela ouvre des portes vers la cr\u00e9ation de solutions hybrides biologiques et informatiques insoup\u00e7onn\u00e9es jusqu\u2019\u00e0 pr\u00e9sent.<\/p>\n

S\u00e9curit\u00e9<\/strong><\/p>\n

C\u2019est un sujet \u00e9voqu\u00e9 de mani\u00e8re indirecte, au sujet du jour o\u00f9 l\u2019IA d\u00e9passera l\u2019intelligence de l\u2019homme et s\u2019auto-multipliera au point de mettre en danger l\u2019esp\u00e8ce humaine. Cela part du principe qu\u2019une intelligence peut se d\u00e9velopper \u00e0 l\u2019infini in-silico. Pourquoi pas, dans certains domaines. Mais c\u2019est faire abstraction d\u2019un point cl\u00e9 : l\u2019intelligence est le fruit, certes, du fonctionnement du cerveau, mais \u00e9galement de l\u2019interaction avec l\u2019environnement et avec les exp\u00e9riences sensorielles. L\u2019intelligence cumule la capacit\u00e9 \u00e0 cr\u00e9er des th\u00e9ories expliquant le monde et \u00e0 des exp\u00e9riences permettant de le v\u00e9rifier. Parfois, la v\u00e9rification s\u2019\u00e9tale sur un demi-si\u00e8cle \u00e0 un si\u00e8cle, comme pour les ondes gravitationnelles ou le Boson de Higgs. Cette capacit\u00e9 de th\u00e9orisation et d\u2019exp\u00e9rimentation de long terme n\u2019est pour l\u2019instant pas accessible \u00e0 une machine, quelle qu\u2019elle soit.<\/p>\n

\"Growth<\/a><\/p>\n

(sch\u00e9ma tir\u00e9 de \u201cThe artificial intelligence singularity, 2015\u201d)<\/span><\/p>\n

L\u2019IA pr\u00e9sente des risques bien plus prosa\u00efques, comme toutes les technologies num\u00e9riques : dans sa s\u00e9curit\u00e9. Celle d\u2019un syst\u00e8me d\u2019IA peut \u00eatre compromise \u00e0 plusieurs niveaux : dans les r\u00e9seaux et le cloud, dans les capteurs, dans l\u2019alimentation en \u00e9nergie. Les bases de connaissances peuvent aussi \u00eatre induites en erreur par l\u2019injection d\u2019informations erron\u00e9es ou visant \u00e0 alt\u00e9rer le comportement de l\u2019IA, par exemple dans le cadre d\u2019un diagnostic m\u00e9dical complexe. On peut imaginer l\u2019apparition dans le futur d\u2019anti-virus sp\u00e9cialis\u00e9s pour les logiciels de machine learning.<\/p>\n

Les dangers de l\u2019IA, s\u2019il en existe, sont particuli\u00e8rement pr\u00e9gnants dans l\u2019interaction entre les machines et le monde ext\u00e9rieur. Un robot n\u2019est pas dangereux s\u2019il tourne en mode virtuel dans une machine. Il peut le devenir s\u2019il tient une arme dans le monde ext\u00e9rieur et qu\u2019il est programm\u00e9 par des forces mal\u00e9fiques. Le \u201ckill switch\u201d de l\u2019IA qui permettrait de la d\u00e9connecter si elle devenait dangereuse devrait surtout porter sur sa relation avec le monde physique. Les films de science fiction comme Transcendance montrent que rien n\u2019est s\u00fbr de ce c\u00f4t\u00e9 l\u00e0 et que la tendance \u00e0 tout automatiser peut donner un trop grand contr\u00f4le du monde r\u00e9el aux machines.<\/p>\n

L\u2019homme est d\u00e9j\u00e0 d\u00e9pass\u00e9 par la machine depuis longtemps, d\u2019abord sur la force physique, puis de calcul, puis de m\u00e9moire et enfin de traitement. Mais la machine a toujours \u00e9t\u00e9 pilot\u00e9e par l\u2019homme. L\u2019IA semble g\u00e9n\u00e9rer des syst\u00e8mes p\u00e9rennes dans le temps ad vitam aeternam du fait de processus d\u2019apprentissage qui s\u2019agr\u00e8gent avec le temps et de la m\u00e9moire presque infinie des machines. L\u2019IA serait immortelle. Bon, tant que son stockage ne plante pas ! Un disque dur peut planter \u00e0 tout bout de champ au bout de cinq ans et un disque SSD actuel ne supporte au mieux que 3000 cycles d\u2019\u00e9criture !<\/p>\n

\"Bad<\/a><\/p>\n

Les dangers perceptibles de l\u2019IA sont \u00e0 l\u2019origine de la cr\u00e9ation d\u2019OpenAI, une initiative visant non pas \u00e0 cr\u00e9er une IA open source (cela existe d\u00e9j\u00e0 dans le machine learning) mais de surveiller ses \u00e9volutions. Il s\u2019agit d\u2019une ONG cr\u00e9\u00e9e par Elon Musk qui vise \u00e0 s\u2019assurer que l\u2019IA fasse le bien et pas le mal \u00e0 l\u2019humanit\u00e9. Elle est dot\u00e9e de $1B et doit faire de la recherche. Un peu comme si une organisation \u00e9tait lanc\u00e9e pour rendre le capitalisme responsable (cf OpenAI<\/a> dans Wikipedia et \u201cWhy you should fear artificial intelligence<\/a>\u201d paru dans TechCrunch en mars 2016).<\/p>\n

Autre m\u00e9thode, se rassurer avec \u201cDemystifying Machine Intelligence<\/a>\u201d de Piero Scaruffi qui cherche \u00e0 d\u00e9montrer que la singularit\u00e9 n\u2019est pas pour demain. Il s\u2019appuie pour cela sur une vision historique critique des \u00e9volutions de l\u2019intelligence artificielle. Il pense que les progr\u00e8s de l\u2019IA proviennent surtout de l\u2019augmentation de la puissance des machines, et bien peu des algorithmes, l\u2019effet donc de la force brute. Selon lui, l\u2019homme a toujours cherch\u00e9 une source d\u2019intelligence sup\u00e9rieure, qu\u2019il s\u2019agisse de dieux, de saints ou d\u2019extra-terrestres. La singularit\u00e9 et les fantasmes autour de l\u2019IA seraient une nouvelle forme de croyance voire m\u00eame de religion, une th\u00e8se aussi partag\u00e9e par Jaron Lanier, un auteur anticonformiste qui publiait \u201cSingularity is a religion just for digital geeks<\/a>\u201den 2010.<\/p>\n

\"Singularity<\/a><\/p>\n

Piero Scaruffi prend aussi la singularit\u00e9 \u00e0 l\u2019envers en avan\u00e7ant que l\u2019ordinateur pourra d\u00e9passer l\u2019homme c\u00f4t\u00e9 intelligence parce que les technologies rendent l\u2019homme plus b\u00eate, en le d\u00e9chargeant de plus en plus de fonctions intellectuelles, la m\u00e9moire en premier et le raisonnement en second ! Selon lui, le fait que les m\u00e9dias num\u00e9riques entrainent les jeunes \u00e0 lire de moins en moins de textes longs r\u00e9duirait leur capacit\u00e9 \u00e0 raisonner. On peut d\u2019ailleurs le constater dans les d\u00e9bats politiques qui \u00e9vitent la pens\u00e9e complexe et privil\u00e9gient les simplismes \u00e0 outrance. J\u2019aime bien cet adage selon lequel l\u2019intelligence artificielle se d\u00e9finit comme \u00e9tant le contraire de la b\u00eatise naturelle. Cette derni\u00e8re est souvent confondante et rend le d\u00e9fi de la cr\u00e9ation d\u2019une intelligence artificielle pas si insurmontable que cela.<\/p>\n

Pour Piero Scaruffi, en tout cas, l\u2019intelligence artificielle est d\u2019ailleurs une mauvaise expression. Il pr\u00e9f\u00e8re \u00e9voquer la notion d\u2019intelligence non humaine. Il pense aussi qu\u2019une autre forme d\u2019intelligence artificielle pourrait \u00e9merger : celle d\u2019hommes dont on aura modifi\u00e9 l\u2019ADN pour rendre leur cerveau plus efficace. C\u2019est un projet du monde r\u00e9el, poursuivi par les chinois qui s\u00e9quencent des milliers d\u2019ADN humains pour identifier les g\u00e8nes de l\u2019intelligence ! Histoire de r\u00e9aliser une (toute petite) partie des fantasmes d\u00e9lirants du film Lucy de Luc Besson !<\/p>\n

Pour Daniel C. Dennett<\/a>, le v\u00e9ritable danger n’est pas dans les machines plus intelligentes que l\u2019homme mais plut\u00f4t dans\u00a0le laisser-aller de ce dernier qui abandonne son libre arbitre et confie trop de comp\u00e9tences et d\u2019autorit\u00e9 \u00e0 des machines qui ne lui sont pas sup\u00e9rieures.<\/p>\n

Et si le plus grand risque \u00e9tait de ne rien faire ? Pour toutes ces technologies et recherches cit\u00e9es dans cet article, est-ce que l\u2019Europe et la France jouent un r\u00f4le moteur ? Une bonne part de cette R&D c\u00f4t\u00e9 hardware est concentr\u00e9e au CEA. Pour l\u2019industrie, ce n\u2019est pas \u00e9vident, \u00e0 part peut-\u00eatre la R&D en photonique chez Alcatel-Lucent qui m\u00eame si elle d\u00e9pend maintenant de Nokia, n\u2019en reste pas moins toujours en France. Il reste aussi STMicroelectronics qui reste tr\u00e8s actif dans les capteurs d\u2019objets connect\u00e9s. De son c\u00f4t\u00e9, la R&D c\u00f4t\u00e9 logicielle est dense, que ce soit \u00e0 l\u2019INRIA ou au CNRS. Reste \u00e0 savoir quelle \u201ctechnologie de rupture\u201d sortira de tout cela, et avec une transformation en succ\u00e8s industriel \u00e0 grande \u00e9chelle qui passe par de l\u2019investissement, de l\u2019entrepreneuriat et de la prise de risque car de nombreux paris doivent \u00eatre lanc\u00e9s en parall\u00e8le pour n\u2019en r\u00e9ussir que quelques-uns.<\/p>\n

________________________________<\/p>\n

Dans la partie suivante<\/a>, la derni\u00e8re de cette s\u00e9rie, nous allons nous int\u00e9resser \u00e0 la robotisation des m\u00e9tiers, en prenant un peu de recul par rapport \u00e0 la vulgate actuelle qui pr\u00e9dit la disparition de la moiti\u00e9 des m\u00e9tiers d\u2019ici deux d\u00e9cennies !<\/p>\n

________________________________<\/p>\n

Vous pouvez consulter tous les \u00e9pisodes de ce roman fleuve de printemps sur l\u2019intelligence artificielle :<\/p>\n

Episode 1 : s\u00e9mantique et questions cl\u00e9s<\/a>
\nEpisode 2 : histoire et technologies de l\u2019intelligence artificielle<\/a>
\nEpisode 3 : IBM Watson et le marketing de l\u2019intelligence artificielle<\/a>
\nEpisode 4 : les startups US de l\u2019intelligence artificielle<\/a>
\nEpisode 5 : les startups acquises par les grands du num\u00e9rique<\/a>
\nEpisode 6 : les startups fran\u00e7aises de l\u2019intelligence artificielle<\/a>
\nEpisode 7 : la mod\u00e9lisation et la copie du cerveau<\/a>
\nEpisode 8 : \u00e9volutions de la loi de Moore et applications \u00e0 l\u2019intelligence artificielle<\/a>
\nEpisode 9 : la robotisation en marche des m\u00e9tiers<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Voici la suite de cette longue s\u00e9rie d\u2019articles sur les avanc\u00e9es de l\u2019intelligence artificielle. Apr\u00e8s un peu de s\u00e9mantique, un tour des techniques de l\u2019IA, l\u2019\u00e9tude de cas d\u2019IBM Watson, un tour d\u2019horizon des startups am\u00e9ricaines de l\u2019IA, puis de celles qui sont acquises par les grands groupes, les startups fran\u00e7aises du secteur, et l\u2019\u00e9tat […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[4],"tags":[2544,2719,2717,2718,2341,2716],"class_list":["post-12649","post","type-post","status-publish","format-standard","hentry","category-actualites","tag-cervelet","tag-jaron-lanier","tag-piero-scaruffi","tag-purkinje","tag-ray-kurzweil","tag-sinfularite"],"views":32788,"_links":{"self":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts\/12649","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/comments?post=12649"}],"version-history":[{"count":0,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/posts\/12649\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/media?parent=12649"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/categories?post=12649"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.oezratty.net\/wordpress\/wp-json\/wp\/v2\/tags?post=12649"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}