La guerre des puces - IA

Chaque semaine, les entreprises annoncent de nouvelles avancées dans le domaine de l’intelligence artificielle, avec de nouveaux modèles toujours plus performants.  

Vous vous rappelez (cf. Actuailes n°157) que ces modèles ont besoin d’être entraînés par de puissants ordinateurs sur de vastes bases de données. Au cœur de ces ordinateurs, on trouve des puces hyper-spécialisées, les GPU (Graphics Processing Units, ou Processeurs graphiques). Pourquoi sont-ils autant utilisés? 

Le cerveau humain, modèle de l’intelligence 

Les modèles d'intelligence artificielle, en particulier ceux basés sur les réseaux de neurones profonds, ont besoin de réaliser de nombreux calculs simples en parallèle, car ils s'inspirent du fonctionnement du cerveau humain.  

Ce dernier est composé de milliards de neurones, qui sont des cellules nerveuses capables de transmettre et de recevoir des signaux électriques. Chaque neurone est connecté à plusieurs autres neurones, formant un réseau complexe.  

Lorsque le cerveau reçoit une information, par exemple une image, il l’analyse en activant certains neurones et en inhibant d’autres, selon leur poids et leur biais. Ce processus se répète à travers plusieurs couches de neurones, jusqu’à ce que le cerveau produise une réponse, par exemple reconnaître un objet ou une personne. Les réseaux de neurones profonds imitent ce processus en utilisant des unités de calcul appelées neurones artificiels, reliées entre elles par des connexions pondérées. Pour entraîner un réseau de neurones profonds, il faut ajuster les poids et les biais des connexions, en utilisant des algorithmes d’optimisation (voir Actuailes n°85). Ces calculs sont simples, mais ils doivent être effectués sur de grandes quantités de données. 

Puce spécialisée ou puce généraliste? 

Les GPU sont des processeurs spécialisés dans le traitement graphique; ils peuvent effectuer des opérations mathématiques complexes et parallèles à grande vitesse.  

Les GPU offrent plusieurs avantages par rapport aux CPU (Central Processing Units), qui équipent nos ordinateurs ou téléphones, pour répondre aux besoins des modèles d’intelligence artificielle. Tout d'abord, les GPU ont une architecture plus adaptée aux calculs parallèles, car ils ont des centaines de cœurs plus petits, qui peuvent exécuter des milliers de calculs simultanément. Les CPU ont quelques cœurs plus gros, qui ne peuvent exécuter que quelques calculs plus compliqués à la fois. Les GPU sont donc plus efficaces pour les calculs les plus courants dans les réseaux de neurones profonds.  

Ensuite, les GPU offrent une meilleure efficacité énergétique que les CPU; ils consomment moins d’énergie pour effectuer le même travail. Cela réduit les coûts opérationnels et l'impact environnemental de l’entraînement des modèles d’intelligence artificielle. Enfin, les GPU ont de nombreux logiciels pour cet entraînement, ce qui facilite le développement et le déploiement des applications d'intelligence artificielle. 

Petit encadré 

L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine. Souvent classée dans le groupe des mathématiques et des sciences cognitives, elle fait appel à la neurobiologie computationnelle et à la logique mathématique. 

Malo du Bretoux

Actuailes n°173 - 6 mars 2024