L’intelligence artificielle peut désormais résoudre des mathématiques avancées, effectuer des raisonnements complexes et même utiliser des ordinateurs personnels, mais les algorithmes d’aujourd’hui pourraient encore apprendre une ou deux choses à partir de vers microscopiques.
Liquid AI, une startup issue du MIT, dévoilera aujourd’hui plusieurs nouveaux modèles d’IA basés sur un nouveau type de réseau neuronal « liquide » qui a le potentiel d’être plus efficace, moins gourmand en énergie et plus transparent que ceux qui le sous-tendent. tout, des chatbots aux générateurs d’images en passant par les systèmes de reconnaissance faciale.
Les nouveaux modèles de Liquid AI incluent un pour détecter la fraude dans les transactions financières, un autre pour contrôler les voitures autonomes et un troisième pour analyser les données génétiques. La société a vanté les nouveaux modèles, qu’elle octroie sous licence à des sociétés extérieures, lors d’un événement organisé aujourd’hui au MIT. La société a reçu un financement d’investisseurs parmi lesquels Samsung et Shopify, qui testent également sa technologie.
«Nous passons à l’échelle», déclare Ramin Hasani, cofondateur et PDG de Liquid AI, qui a co-inventé les réseaux liquides alors qu’il était étudiant diplômé au MIT. Les recherches de Hasani se sont inspirées du C. elegansun ver d’un millimètre de long que l’on trouve généralement dans le sol ou dans la végétation en décomposition. Le ver est l’une des rares créatures dont l’intégralité du système nerveux a été cartographiée et il est capable d’un comportement remarquablement complexe malgré quelques centaines de neurones. «Auparavant, ce n’était qu’un projet scientifique, mais cette technologie est entièrement commercialisée et prête à apporter de la valeur aux entreprises», explique Hasani.
À l’intérieur d’un réseau neuronal régulier, les propriétés de chaque neurone simulé sont définies par une valeur statique ou « poids » qui affecte son déclenchement. Au sein d’un réseau neuronal liquide, le comportement de chaque neurone est régi par une équation qui prédit son comportement au fil du temps, et le réseau résout une cascade d’équations liées au fur et à mesure que le réseau fonctionne. La conception rend le réseau plus efficace et plus flexible, lui permettant d’apprendre même après une formation, contrairement à un réseau neuronal conventionnel. Les réseaux de neurones liquides sont également ouverts à l’inspection, contrairement aux modèles existants, car leur comportement peut essentiellement être rembobiné pour voir comment ils ont produit un résultat.
En 2020, les chercheurs ont montré qu’un tel réseau avec seulement 19 neurones et 253 synapses, ce qui est remarquablement petit par rapport aux normes modernes, pourrait contrôler une voiture autonome simulée. Alors qu’un réseau neuronal classique ne peut analyser les données visuelles qu’à intervalles statiques, le réseau liquide capture très efficacement la manière dont les informations visuelles évoluent au fil du temps. En 2022, les fondateurs de Liquid AI ont trouvé un raccourci qui rendait le travail mathématique nécessaire aux réseaux de neurones liquides réalisable pour une utilisation pratique.