Des chercheurs de l’Université de Princeton, annoncent avoir créé le premier réseau neuronal (1) photonique, utilisant des signaux lumineux pour transmettre les informations.

Cette nouvelle technologie devrait permettre de transmettre les informations plus rapidement, et de développer des intelligences artificielles encore plus rapides.

Dans l’optique de modéliser des puces fonctionnant comme le cerveau humain à la vitesse de la lumière et à plus grande bande passante, les systèmes de calcul neuro morphiques et optiques présentent un énorme intérêt.

En combinant de la photonique avec des puces neuro morphiques l’on devrait ainsi augmenter considérablement la vitesse des réseaux neuronaux :

Ils deviendraient 3 fois plus rapides selon les chercheurs de l’Université de Princeton.

Les domaines de recherche convergent vers les mêmes objectifs :

-         accélérer la vitesse de traitement informatique

-         et modéliser le cerveau humain via la conception de puces.

Plus important encore, le déplacement de la complexité des réseaux neuronaux et de l’intelligence artificielle vers les puces informatiques va simplifier la programmation, ce qui devrait permettre d’assurer largement l’ouverture de l’informatique auprès des publics les plus larges.

Des réactions plus proches de celles d’un cerveau humain

Le principe d’un réseau neuronal est en effet de copier le fonctionnement des neurones d’un cerveau organique afin de créer des intelligences artificielles plus réalistes, et dont les réactions seraient plus proches de celles d’un cerveau humain.

Les recherches sur une telle technologie se trouvent toutefois freinées par les vitesses de transfert des données, qui viennent affecter les performances d’une IA.

Ainsi, de la même manière que la fibre optique permet des transferts de données plus rapides qu’une connexion classique, l’utilisation de signaux lumineux dans un réseau neuronal permettrait d’améliorer considérablement les performances.

Les chercheurs ont pour l’instant testé leur système sur un prototype assez simple, utilisant 49 neurones synthétiques, donc assez éloigné des IA les plus performantes.

Néanmoins, les chercheurs indiquent cependant des améliorations notables envisageables qui pourraient avoir un impact sur des usages plus complexes, ainsi que sur le traitement d’information  en recherche scientifique.

(1) Le « Deep learning » repose sur des techniques de réseaux dit de réseaux neuronaux » et d’approche cognitive.

Il s'agit de permettre aux ordinateurs de reconnaître, parmi d'énormes quantités de données, des points d'intérêt ou des indices binaires ou non structurées et de déduire des corrélations sans passer par des modèles particuliers ni par des instructions préprogrammées.

Les technologies du Big data utiliseront de plus en plus des techniques analytiques avancées comme le deep learning pour différencier, par exemple, différents types de données en incluant des formes, des couleurs, des indications sur des images ou des vidéos.

Les évolutions techniques vont notamment porter sur les solutions d’analyse des données à la volée  permettant d’obtenir les résultats d’une requête en quelques secondes (technologies Hive, ou Hanna).