Des scientifiques aux États-Unis ont développé une méthode novatrice pour augmenter l’efficacité des réseaux neuronaux, essentiels aux intelligences artificielles (IA). Leur recherche propose l’intégration d’une mémoire de travail qui permet aux synapses de se mettre à jour en continu, réduisant ainsi le volume des opérations de traitement des données.
La consommation énergétique des IA, particulièrement élevée lors de leur phase d’entraînement, représente un défi majeur. Cette préoccupation a été soulignée par des figures telles qu’Elon Musk, qui a même prédit une possible pénurie mondiale d’électricité due aux besoins croissants des IA. Heureusement, les chercheurs du Cold Spring Harbor Laboratory ont trouvé une inspiration dans la structure du cerveau humain pour contrer ce problème.
Kyle Daruwalla, le chercheur principal, a signalé que malgré l’avancée des technologies d’IA telles que ChatGPT, leur interaction avec l’environnement physique reste restreinte. Ces technologies nécessitent de traiter des quantités astronomiques d’exemples pour perfectionner leurs capacités, que ce soit en mathématiques ou en rédaction.
Une mémoire de travail au cœur de la mise à jour synaptique
Daruwalla explique que le principal obstacle réside dans le transfert des données à travers de vastes réseaux neuronaux. L’approche innovante consiste à équiper chaque neurone artificiel d’un réseau de mémoire auxiliaire, permettant ainsi des modifications instantanées. Cela établit un lien direct entre la mémoire de travail et les mises à jour synaptiques, renforçant ainsi une théorie non encore prouvée en neurosciences qui associe la mémoire de travail à l’apprentissage et aux performances académiques.
Cette avancée pourrait significativement diminuer le besoin en puissance de calcul et, par conséquent, en énergie nécessaire au fonctionnement des IA, offrant ainsi une solution potentiellement révolutionnaire aux défis énergétiques actuels.
