Sélectionner une page

Un système d’intelligence artificielle s’alimente via l’énergie solaire

Un système d’intelligence artificielle s’alimente via l’énergie solaire

Le CSEM a développé un système sur puce qui exploite un fonctionnement d’analyse hiérarchisée de la reconnaissance faciale, vocale ou vibratoire afin de réduire au strict minimum sa consommation énergétique. Au point qu’il peut fonctionner grâce à une petite batterie ou à l’énergie solaire.

Le Centre Suisse d’électronique et de microtechnique (CSEM) affirme avoir développé un système sur puce (system-on-chip) capable d’effectuer en local des taches d’intelligence artificielle sophistiquées, facilement configurable selon l’application choisie et surtout, très peu gourmand en énergie. Au point qu’il peut fonctionner grâce à une petite batterie ou à l’énergie solaire, selon ses concepteurs.

Ces taches d’IA vont de la reconnaissance faciale, vocale ou gestuelle, à la surveillance d’une maladie en analysant les battements cardiaques des patients, en passant par l’anticipation des pannes des machines industrielles en suivant en temps réel leur signature vibratoire.

S’adaptant à toute application nécessitant l’analyse de signaux ou d’images en temps réel, ce système sur puce, qui a été dévoilé la semaine dernière à la conférence VLSI Symposium, exploite une architecture originale permettant un fonctionnement d’analyse hiérarchisée afin de réduire au strict minimum sa consommation électrique. Pour cela, l’architecture en question est basée sur un processeur à cœur Risc-V – également développé par le CSEM – gérant deux accélérateurs d’IA en charge, pour l’un, de la classification des signaux, pour l’autre, de la reconnaissance elle-même.

Le premier est un accélérateur dit BDT (Binary Decision Tree), consommant très peu d’énergie et capable de réaliser des tâches simples, mais pas la reconnaissance en elle-même, comme l’explique Stéphane Emery, à la tête de l’équipe System-on-Chip du CSEM : « Dans le cadre d’une application de reconnaissance faciale, par exemple, ce premier accélérateur va répondre à des questions simples : est-on effectivement en présence de personnes ? Si oui, voit-on des visages ? Et si l’on cherche à reconnaître des voix, il pourra détecter s’il y a du bruit, et si ce bruit correspond à des voix humaines. En revanche, ce premier accélérateur n’est pas capable de procéder à la reconnaissance des personnes ou des mots, et devra alors passer la main au second accélérateur. » 

C’est donc à ce moment-là – quand le premier accélérateur aura répondu « oui » aux questions posées plus haut – et uniquement à ce moment-là, que le second accélérateur entre en jeu. Il s’agit d’un accélérateur de réseaux neuronaux ou CNN (Convolutional Neural Network), beaucoup plus sophistiqué que le premier accélérateur, et donc plus énergivore, mais capable de gérer les tâches complexes de reconnaissance faciale ou vocale. C’est ce fonctionnement d’analyse hiérarchisée qui fait que, seul, le premier accélérateur, le moins gourmand en énergie, est sollicité en permanence.

Cette solution ouvre la voie à de nombreuses applications pour lesquelles un dispositif autonome d’intelligence artificielle pouvant fonctionner sur batterie pendant plus d’un an est nécessaire. De quoi réduire sensiblement les coûts d’installation et de maintenance des installations qui en seront équipées.

ALLEZ A L'ESSENTIEL !

Recevez notre newsletter par email  

   JE M'INSCRIS A LA NEWSLETTER  

You have Successfully Subscribed!

Pin It on Pinterest

Share This