NVIDIA annonce avoir collaboré avec une équipe de chercheurs de l’université de Stanford (États-Unis) pour créer le réseau neuronal artificiel le plus vaste du monde et, à terme, pouvoir modéliser le processus d’apprentissage du cerveau humain. Le réseau est 6,5 fois plus étendu que celui élaboré par Google, détenteur du précédent record, en 2012.

Les réseaux neuronaux informatisés sont capables d’« apprendre » à modéliser le comportement du cerveau, et donc de reconnaître les objets, les personnes, la voix et les sons comme n’importe quel être humain.

Néanmoins, créer un réseau neuronal à grande échelle s’avère extrêmement coûteux en ressources informatiques. Ainsi Google a-t-il eu recours à un millier de serveurs basés sur CPU, soit 16 000 coeurs de processeurs, pour élaborer son réseau neuronal capable d’apprendre tout seul à reconnaître des chats dans une série de vidéos YouTube. Le réseau comptait 1,7 milliard de paramètres, la représentation virtuelle des synapses.

À titre de comparaison, l’équipe de Stanford dirigée par Andrew Ng, directeur du laboratoire d’intelligence artificielle de l’université, n’a eu recours qu’à trois serveurs dotés de GPU NVIDIA pour créer un réseau de même dimension et accélérer le traitement des données de masse générées par celui-ci. Avec seize serveurs accélérés avec les GPU NVIDIA, l’équipe a pu créer un réseau neuronal de 11,2 milliards de paramètres, soit 6,5 fois plus vaste que le réseau Google annoncé en 2012.

Plus un réseau neuronal est vaste et puissant, plus sa précision pour réaliser des tâches telles que la reconnaissance des objets est grande, ce qui permet aux ordinateurs de modéliser davantage de comportements proches du type humain. Cette réussite a fait l’objet d’un article publié hier à l’occasion de la conférence internationale sur l’apprentissage automatique d’Atlanta (ICML).

« Avec une performance informatique significativement plus élevée que les systèmes classiques basés sur CPU, les accélérateurs GPU démocratisent la modélisation des grands réseaux neuronaux », s’est félicité Sumit Gupta, directeur général de la division d'accélération de calcul Tesla chez NVIDIA, et d’ajouter : « N’importe quel chercheur ou entreprise peut désormais  utiliser l’apprentissage automatique pour résoudre tout type de problème de la vie réelle avec une poignée de serveurs accélérés aux GPU. »