Le Deep learning en passe de devenir moins énergivore
Lorsqu’on parle d’intelligence artificielle qui regroupe l’ensemble des techniques et méthodes qui tendent à comprendre et reproduire le fonctionnement d’un cerveau humain, on fait très souvent l’allusion aux technologies associées comme le Deep learning, technologie composé d’algorithmes capables de mimer les actions du cerveau humain grâce à des réseaux de neurones artificielles. Les réseaux sont composés de dizaines voire de centaines de « couches » de neurones, chacune recevant et interprétant les informations de la couche précédente. Or, ces processus sont assez coûteux d’un point de vue énergétique, en particulier pendant la phase d’entraînement, qui peut durer plusieurs jours.
Des chercheurs de l’EPFL (École polytechnique fédérale de Lausanne) ont développé un algorithme avancé et une méthode permettant d’être économe en énergie à un moment où plusieurs experts s’accordent à dire que l’intelligence artificielle est très consommatrice d’énergie alors que son développement est en plein essor.