ChairesIA_2019_1 - Chaires de recherche et d'enseignement en Intelligence Artificielle - vague 1 de l'édition 2019

Intelligence Artificielle Verte – GrAI

Résumé de soumission

Ces dernières années, l'intelligence artificielle (IA) s’est de plus en plus installée dans notre vie quotidienne. Cependant, l'IA telle que actuellement développée par la plupart des acteurs majeurs de l'industrie comme les GAFAM, est décentralisée vers des serveurs. Étant donné que la consommation d'électricité des infrastructures Internet représente 7% de la production mondiale totale d'électricité et que le trafic Internet devrait tripler tous les trois ans, nous avons un grand besoin de méthodes de calcul alternatives et économes en énergie, de sorte que l'augmentation massive de l'IA ne soit pas synonyme de désillusion générale. De plus, les systèmes embarqués nécessitant une IA ne sont pas nécessairement connectés en permanence. Il devient de plus en plus urgent de mettre au point un substrat matériel efficace énergétiquement pour l'implantation de l'IA dans les systèmes nomades.
Le développement d'un nouveau substrat matériel doit s'accompagner d'une solution technologique plus ambitieuse basée sur le calcul événementiel. Dans ce nouveau paradigme de calcul prometteur, l'information n'est créée, traitée ou transmise que lorsqu'un changement survient au niveau du capteur ou du calculateur. En d'autres termes, le système a une consommation extrêmement faible si l'activité est nulle. Au-delà de la réduction de la quantité de données, le calcul événementiel nécessite moins d'opérations par seconde pendant la phase d'inférence que les réseaux neuronaux artificiels classiques. Ces deux caractéristiques font du calcul événementiel un cadre prometteur pour la conception et la construction de matériel efficace énergétiquement pour l'IA.
Le projet GrAI est innovateur dans la mesure où il traite simultanément l'acquisition de données (capteurs) et le traitement des données (réseau neuronal).
Le projet GrAI abordera la question du « edge computing », c'est-à-dire le traitement des données dès leur sortie du capteur. De plus, les réseaux de neurones sont naturellement capables de fusionner des données. Par conséquent, le projet GrAI ira plus loin que les capteurs visuels événementiels établis jusqu'à présent grâce à la conception et à la production d'autres types de capteurs. Cette fusion de données peut être exploitée par les industriels (robotique, surveillance des conducteurs, véhicules autonomes, etc.), et elle fait appel à une technologie originale parfaitement adaptée aux systèmes embarqués qui nécessitent une faible consommation d'énergie et une faible transmission de données. De plus, l'IA de GrAI ne sera pas alimentée hors ligne par une grande quantité de données à des fins d'apprentissage, comme c'est l'usage dans l'IA, mais plutôt par des données saisies à la volée. Ce projet ambitieux fournira des informations utiles pour l'apprentissage non supervisé, qui est l'un des plus grands défis de l'IA.
La France s'est fixée l'ambition d'être un leader de la révolution de la planète verte. Par conséquent, amener la prochaine génération d'étudiants de maîtrise et de doctorat en intelligence artificielle à penser en termes de durabilité énergétique renforcera le leadership de la France dans la quête du "Make our Planet Green Again".

Coordinateur du projet

Monsieur Sylvain SAÏGHI (LABORATOIRE D'INTEGRATION DU MATERIAU AU SYSTEME)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

IMS LABORATOIRE D'INTEGRATION DU MATERIAU AU SYSTEME

Aide de l'ANR 401 544 euros
Début et durée du projet scientifique : août 2020 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter