[EDITION ABONNES] La société canadienne Applied Brain Research (ABR) affirme avoir développé un logiciel et des designs de circuits intégrés qui réduisent de manière drastique la consommation des produits commandés à la voix comme les dispositifs électroniques portés sur soi, les smartphones, les enceintes connectées, les casques et les lunettes intelligentes. ...La technologie d’ABR s’appuie sur un nouveau type de réseau de neurones dit LMU (Legendre Memory Unit) qui abaisserait jusqu’à 94% la consommation lors de l’exécution de tâches IA (intelligence artificielle) en local, telles que le traitement de mots-clés prononcés par un locuteur. A la clé un reconnaissance vocale meilleure et plus précise et une autonomie prolongée pour les produits à commande vocale alimentés sur pile ou batterie, assure la firme nord-américaine.

Plus globalement, le LMU est un réseau de neurones récurrents (RNN) qui permet de traiter avec une meilleure précision et une plus grande sobriété énergétique les signaux à variation temporelle. A ce titre la technologie peut être utilisée pour bâtir des réseaux IA pour tout type de tâches variables dans le temps comme le traitement vocal, l’analyse vidéo, la surveillance de capteurs ou les systèmes de contrôle, assure ABR.

Fin 2019, la société canadienne a démontré que le réseau LMU dépassait en performances le modèle traditionnellement mis en œuvre pour les traitements IA de séries temporelles, le réseau LSTM (Long Short Term Memory). Sur la simple tâche de mémorisation d’un signal variable dans le temps, le LMU est un million de fois plus précis que le LSTM tout en encodant 100 fois plus de pas temporel (time-steps), peut-on lire dans une présentation faite par la société à la conférence NeurIPS fin décembre 2019. Le modèle LMU est égalementi plus compact en n’utilisant que 500 paramètres contre 41 000 pour le modèle LSTM, soit une réduction de taille du réseau de 98%. Le système de reconnaissance de mot-clé d’ABR, bâti sur la technologie LMU, serait ainsi plus sobre et plus précis que les offres disponibles jusqu’ici auprès de sociétés comme Google, DarwinAI et Syntiant.

En outre, la technologie logicielle de détection de mot-clé (word-spotting) du Canadien peut tourner sur des puces électroniques existantes ainsi que sur les nouvelles conceptions de circuits optimisées de la société pour des gains en consommation entre plus importants. L’architecture matérielle de détection de mot-clé LMU d’ABR consommerait ainsi 24 fois moins que des plates-formes matérielles sur étagère et 16 fois moins que sur des circuits spécifiquement adaptés à cette tâche, tout en utilisant 91% de paramètres en moins.

La technologie du Canadien serait en mesure de repérer et comprendre des mots de commande proférés par un locuteur en consommant seulement 8,8 µW contre 140 µW pour les technologies utilisées aujourd’hui par les équipementiers. De quoi permettre à une puce ABR optimisée pour cette tâche de fonctionner 38 ans avec une pile-bouton au lithium d’une montre standard (1 000 mAh), affirme ABR. A suivre donc.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA