Ordinateurs

IBM crée le langage de programmation Corelet pour créer des logiciels qui fonctionnent comme le cerveau humain

Ce site peut gagner des commissions d’affiliation à partir des liens sur cette page. Conditions d’utilisation.

Lors de la conférence internationale conjointe sur les réseaux de neurones qui s’est tenue cette semaine à Dallas, des chercheurs d’IBM ont dévoilé un nouveau logiciel frontal pour ses puces de processeur neuromorphiques. Le but ultime de ces efforts les plus récents est de refondre l’informatique cognitive de type Watson, et ses récents succès, en une architecture résolument plus efficace inspirée du cerveau. Comme nous le verrons, les chercheurs ont du pain sur la planche : construire quelque chose qui ressemble en surface au cerveau est très différent de construire quelque chose qui agit comme le cerveau.

Le chercheur en chef du groupe Cognitive Computing d’IBM, Dharmendra Modha, a annoncé en novembre dernier que son groupe avait simulé plus de 500 milliards de neurones à l’aide du supercalculateur Blue Gene/Sequoia du Lawrence Livermore National Laboratory (LLNL). Ses affirmations continuent cependant de susciter des critiques de la part d’autres qui disent que la représentation de ces neurones est trop simpliste. En d’autres termes, les neurones modèles génèrent des pointes comme de vrais neurones, mais l’activité sous-jacente qui crée ces pointes n’est pas modélisée avec suffisamment de détails, pas plus que les détails des connexions entre eux.

https://www.youtube.com/watch?v=AHcRRfpHPt4

Pour interagir avec le simulateur d’architecture neuronale « True North » d’IBM, les chercheurs ont développé un langage orienté objet qu’ils appellent Corelet. Les blocs de construction, ou corelets, peuvent être construits à l’aide de Processeurs neuromorphiques à 256 neurones conçu pour effectuer des tâches spécifiques. La bibliothèque « True North » compte déjà quelque 150 corelets préconçus pour faire des choses comme détecter des fonctionnalités de mouvement ou d’image, ou même apprendre à jouer à des jeux. Pour jouer au pong, par exemple, une couche de neurones d’entrée recevrait des informations sur les mouvements de la « balle » et de la « pagaie », une couche de sortie enverrait des mises à jour du mouvement de la pagaie et les couches intermédiaires effectueraient un traitement indéterminé.

Le problème avec l’attribution de tâches fonctionnelles spécifiques à des noyaux spécifiques est qu’une nouvelle rupture avec les cerveaux réels est introduite – une rupture allant même au-delà de la simplicité des modèles de neurones individuels. Les vrais réseaux de neurones ne font pas qu’une seule chose, mais plusieurs simultanément. Je pense que si les chercheurs tentaient sérieusement de capturer des fonctions particulières de cerveaux réels, ils ne construiraient pas des systèmes complexes de millions ou de milliards de neurones qui ressemblent à l’image ci-dessus. Au lieu de cela, ils construiraient des systèmes plutôt plus spécifiques composés d’une poignée de neurones richement modélisés qui imitent les fonctions réelles de systèmes nerveux réels – comme, par exemple, le circuit réflexe spinal :

Psssssst :  Les bio-ordinateurs Memristor pourraient être fabriqués à l'aide de moisissures visqueuses - High-teK.ca

Réflexe spinal

Comme un contrôleur pong, un réseau simple comme celui-ci aurait des entrées, des sorties et des neurones intermédiaires, mais contrairement à pong, la capacité et l’activité de pointe auraient une pertinence traçable par rapport à la tâche à accomplir. Des systèmes de neurones construits au-dessus d’un circuit, comme un arc réflexe, pourraient être ajoutés plus tard – mais sans la pertinence sous-jacente pour le monde réel, non seulement ils sont dénués de sens, mais impossibles à comprendre. Si, toutefois, les chercheurs insistent pour passer immédiatement aux modèles de comptage massif de neurones, nous pourrions peut-être suggérer une expérience de pensée pour sonder comment des réseaux arbitraires pourraient être organisés de manière fonctionnelle.

Si un neurone individuel va générer des pics significatifs, le consensus est que le neurone doit avoir un niveau minimum de complexité. Pour l’expérience de pensée, supposons qu’un neurone soit représenté par une personne entière et que la pointe du neurone soit le claquement de la personne. Lorsqu’ils sont assemblés dans une pièce, nous savons par expérience générale qu’un grand groupe de neurones humains applaudissant peut rapidement évoluer en applaudissements synchronisés à partir d’applaudissements initialement aléatoires en quelques secondes – ce n’est pas grave. Nous pourrions imaginer que les applaudisseurs de foule pourraient également fournir rapidement une réponse à la question 2 + 2, en organisant de la même manière des battements de 4. La magie et la pertinence de la conception de puces réseau apparaissent lorsque vous commencez à ajouter les spécialisations d’entrée et de sortie.

IBM Watson

IBM Watson : IBM veut maintenant produire un système qui tire son intelligence de la pensée, plutôt que de simplement chercher dans de vastes quantités de données.

Au lieu de présenter la simple requête 2+2 à l’ensemble du réseau, nous pouvons la présenter à quelques unités d’entrée seulement, qui transmettent le message de la manière qu’elles jugent appropriée. Simultanément, différentes requêtes peuvent être présentées à d’autres unités d’entrée. Les unités de sortie peuvent alors être chargées d’écouter les messages et de transmettre les sorties de la manière qu’elles jugent appropriée. L’ajout clé dont nous aurions besoin ici est que les unités humaines intermédiaires peuvent se déplacer dans un espace limité pour mieux entendre l’activité de leur choix particulier. Enfin, nous aurions besoin d’ajouter une force énergétique motrice pour inciter tout comportement en premier lieu, et également limiter la quantité d’applaudissements ou de pointes qu’ils peuvent produire. Un exemple de cette incitation à l’organisation pourrait être des bonbons à la gelée qui sont saupoudrés sur la foule affamée pendant qu’elle se déplace.

Psssssst :  Modèles de rôles noirs dans la technologie : une perspective personnelle - High-teK.ca

Si la quantité d’applaudissements qu’un individu peut effectuer est alors directement limitée par la quantité d’énergie que chaque unité peut accumuler, la boucle d’incitation à l’énergie est fermée et nous avons tous les éléments essentiels pour un système informatique neuronal. Si au lieu d’essayer de maquette neurones extrêmement complexes dans le but de capturer et de comprendre les comportements du réseau, nous créons simplement le réseau réel que nous venons de décrire et enregistrons son comportement pour l’observation, je proposerais qu’une meilleure compréhension de la dynamique du réseau pertinente pour les cerveaux réels aura été acquise, que toute tentative utilisant des milliards d’éléments de traitement simples.

Lorsque nous réalisons que chaque neurone individuel, chaque cellule, porte à l’intérieur l’instinct de survie complet et le répertoire qui a permis à son ancêtre amibien de prospérer et de se reproduire par lui-même dans un monde hostile, nous avons une certaine appréciation du pouvoir réaffecté que possède chacun. . Ignorer la complexité des neurones individuels au-delà du simple comportement électrique est une folie si nous souhaitons construire des systèmes informatiques avec la puissance du cerveau.

Maintenant lis: L’UE dépense 1,4 milliard de dollars pour un projet imparfait mais passionnant de cerveau en boîte

Bouton retour en haut de la page