Yanzhi Wang, professeur assistant en génie électrique et informatique, a mis au point un moyen d'exécuter des réseaux de neurones profonds sur des appareils mobiles comme le téléphone portable moyen. Crédit :Ruby Wallau/Université Northeastern
Comment une voiture autonome distingue-t-elle une personne d'un cône de signalisation ? Comment Spotify choisit-il les chansons de ma liste de lecture « Discover Weekly » ? Pourquoi le filtre anti-spam de Gmail est-il si efficace ?
La réponse est un type d'intelligence artificielle connu sous le nom de réseaux de neurones profonds. Ces réseaux sont très bons pour reconnaître et classer les données, mais ils ont tendance à nécessiter beaucoup de puissance de calcul et de mémoire pour fonctionner, trop pour fonctionner rapidement sur quelque chose comme votre smartphone moyen.
Maintenant, des chercheurs de Northeastern ont démontré un moyen d'exécuter des réseaux de neurones profonds sur un smartphone ou un système similaire. En utilisant leur méthode, les réseaux peuvent exécuter des tâches jusqu'à 56 fois plus rapidement que démontré dans les travaux précédents, sans perdre en précision. Ils présenteront leurs travaux lors d'une conférence sur l'intelligence artificielle le mois prochain à New York.
« Il est difficile pour les gens de réaliser l'exécution en temps réel de réseaux de neurones sur un smartphone ou ce type d'appareils mobiles, " dit Yanzhi Wang, professeur adjoint de génie électrique et informatique à Northeastern. "Mais nous pouvons faire fonctionner la plupart des applications d'apprentissage en profondeur en temps réel."
Typiquement, un appareil mobile doit être connecté à Internet pour avoir accès à un réseau de neurones profonds. Le téléphone collecte des données, mais le traitement est effectué sur des serveurs distants, c'est pourquoi vous ne pouvez pas parler à Siri lorsque votre iPhone est en mode avion.
Wang et ses collègues ont mis au point un moyen à la fois de réduire la taille du modèle de réseau neuronal et de générer automatiquement du code pour l'exécuter plus efficacement. Ce travail pourrait permettre la mise en œuvre de réseaux de neurones profonds dans des appareils standard qui peuvent ne pas avoir un accès Internet cohérent. Et cela a des utilisations bien au-delà de la communication mains libres avec votre téléphone.
"Il y a tellement de choses qui ont besoin d'intelligence, " dit Wang. " Appareils médicaux, appareils portables, capteurs, caméras intelligentes. Tous ces, ils ont besoin de quelque chose qui améliore la reconnaissance, segmentation, suivi, surveillance, et tant de choses, mais actuellement, ils sont limités."
Yanzhi Wang est professeur assistant en génie électrique et informatique. Crédit :Ruby Wallau/Université Northeastern
L'intelligence artificielle est déjà utilisée pour améliorer la technologie médicale dans les hôpitaux. Il existe également de nombreuses opportunités pour étendre les utilisations des appareils portables, fournir potentiellement des conseils aux personnes handicapées ou alerter les patients et les médecins des changements de rythme cardiaque ou d'autres préoccupations. Mais imaginez que vous manquiez une alerte concernant une crise cardiaque potentielle parce que vous étiez dans le métro et que vous n'aviez pas de service.
"Pour de nombreuses applications de dispositifs médicaux, nous ne pouvons pas supposer que ce type d'appareil est toujours connecté à Internet, " dit Wang. " Et en se connectant à Internet, il y a toujours un retard important. Tout doit être calculé et renvoyé."
Quand Wang dit "un retard important, " il parle de fractions de seconde. Mais cela suffit à faire la différence.
"Pour les voitures autonomes, toutes les données doivent être envoyées vers un centre de données cloud, alors il y a un délai de transmission pour le renvoyer, " dit Wang. " Peut-être 0,1 seconde. Et cette 0,1 seconde peut causer des dommages."
Éliminer cette fraction de seconde de retard pourrait sauver des vies.
Wang note également que les réseaux de neurones profonds peuvent soulever des problèmes de confidentialité, car les informations personnelles sont partagées sur le cloud pour que ces réseaux fonctionnent. Traiter les données en local, sans l'envoyer vers des serveurs distants, pourrait rendre les gens plus à l'aise avec des appareils alimentés par l'intelligence artificielle.
"Précédemment, les gens pensaient que le deep learning avait besoin de puces dédiées, ou ne pouvait être exécuté que sur des serveurs sur le cloud, " dit Wang. " Ce genre d'hypothèse de connaissance limite l'application de l'apprentissage en profondeur. Nous ne pouvons pas toujours compter sur le cloud. Nous devons faire du local, des décisions intelligentes."
