Quand les machines apprennent à parler par impulsions
L’IA neuromorphique, le langage des signaux et la puissance durable des fondamentaux informatiques
Par Edward Tatchim
Même les systèmes les plus avancés doivent communiquer.
Certaines technologies nous impressionnent avant même que nous les comprenions.
Nous entendons parler d’informatique neuromorphique, de réseaux de neurones impulsionnels, de traitement événementiel, de neurones artificiels et d’architectures synaptiques. Le vocabulaire paraît spécialisé. Les schémas évoquent la biologie. Le matériel promet des réactions plus rapides et une consommation d’énergie considérablement réduite.
Tout cela peut sembler très éloigné des principes informatiques que beaucoup d’entre nous ont appris au départ.
Pourtant, sous la terminologie, je retrouve quelque chose de familier : des signaux sont reçus, interprétés, traités et communiqués.
Les machines ont évolué. L’architecture change. L’échelle est extraordinaire. Mais l’histoire fondamentale reste remarquablement simple.
Un événement se produit. Un signal le représente. Le signal circule. Un autre composant réagit.
La communication demeure au centre.
Le langage que les ordinateurs ont toujours parlé
Les ordinateurs ont traditionnellement représenté l’information au moyen d’états binaires : des uns et des zéros, des niveaux de tension, des interrupteurs ouverts ou fermés.
Les êtres humains ne communiquent pas naturellement en binaire. Nous avons donc construit des interfaces entre notre monde et celui de l’ordinateur.
Un clavier transforme le mouvement de nos doigts en signaux. Un microphone convertit les variations sonores en informations électriques pouvant être numérisées. Une caméra capte la lumière et la représente sous forme de données. Une manette traduit une direction et une pression physiques en instructions qu’une machine peut traiter.
Nous percevons des lettres, des images, des mouvements et des sons. L’ordinateur reçoit des états encodés.
Cette couche de traduction a toujours été l’un des miracles discrets de l’informatique. Elle permet à deux formes très différentes d’intelligence — l’opérateur humain et la machine programmée — d’échanger du sens.
La sophistication d’une application ne supprime jamais cette exigence. Avant de calculer, classer, prédire ou générer, l’ordinateur doit recevoir l’information sous une forme qu’il peut interpréter.
Qu’est-ce qui change avec l’informatique neuromorphique ?
Les ordinateurs conventionnels séparent généralement le traitement de la mémoire. Les données circulent continuellement entre le processeur et la mémoire pendant l’exécution des instructions. Cette architecture a permis des décennies de progrès, mais le déplacement de grandes quantités de données consomme du temps et de l’énergie.
L’informatique neuromorphique s’inspire de l’organisation et du comportement des systèmes nerveux biologiques.
Au lieu de traiter chaque opération dans une séquence continuellement active, de nombreux systèmes utilisent des réseaux de neurones impulsionnels. Leurs neurones artificiels accumulent l’activité reçue et communiquent par impulsions lorsque certaines conditions sont atteintes.
Le moment d’une impulsion peut transmettre de l’information. Sa source peut transmettre de l’information. Le motif produit par plusieurs impulsions peut lui aussi transmettre de l’information.
Dans un système événementiel, tous les composants ne doivent pas rester actifs avec la même intensité à chaque instant. Le calcul peut se produire lorsqu’un événement l’exige. La mémoire et le traitement peuvent également être rapprochés, réduisant le déplacement constant des données.
Voilà pourquoi l’informatique neuromorphique est prometteuse pour la perception écoénergétique, la robotique, les systèmes autonomes et les appareils devant réagir en temps réel à des données sensorielles.
Certains processeurs neuromorphiques sont numériques. D’autres utilisent des conceptions analogiques ou mixtes. Il serait donc trop simpliste d’affirmer que tous manipulent uniquement des valeurs binaires ordinaires de la même façon qu’un processeur conventionnel.
L’observation la plus durable est ailleurs : même ici, l’intelligence dépend de la représentation et de la communication.
Un neurone change d’état. Un événement franchit un seuil. Une impulsion est émise. Les éléments connectés réagissent.
La complexité apparente émerge de vastes réseaux d’interactions relativement compréhensibles.
La complexité est souvent une simplicité accumulée
L’une de mes philosophies personnelles de l’informatique est la suivante :
« La complexité n’est que la perception que nous avons de systèmes simples encore inexplorés. »
Les systèmes complexes produisent réellement des problèmes difficiles. Ils peuvent adopter des comportements surprenants, non linéaires et difficiles à prévoir. Cette phrase ne cherche pas à nier cette difficulté.
Elle nous rappelle plutôt comment l’aborder.
Lorsqu’une technologie semble impénétrable, nous commençons souvent par regarder le système entier : des millions de neurones, des milliards de connexions, des modèles mathématiques inconnus, des puces spécialisées et de nombreuses couches logicielles. L’ensemble nous submerge.
La compréhension commence généralement lorsque nous réduisons le système à ses plus petites interactions significatives.
Qu’est-ce qui constitue une entrée ? Comment cette entrée est-elle représentée ? Quel état est conservé ? Qu’est-ce qui provoque son changement ? Quand un signal est-il transmis ? Quel composant le reçoit ensuite ?
Ces questions ne sont pas élémentaires au sens péjoratif. Elles sont fondamentales. Elles ouvrent un chemin à travers la complexité.
Une vaste application numérique repose encore sur des instructions et des changements d’état. Un réseau mondial dépend toujours de messages circulant entre des points de terminaison. Un flux de travail d’IA dépend encore d’entrées, de transformations, de décisions et de sorties. Un réseau de neurones impulsionnels dépend toujours d’unités recevant et communiquant des événements.
La grandeur du résultat n’efface pas la simplicité de ses éléments constitutifs.
Communiquer dépasse le simple transfert de données
Une autre leçon, plus large, se dégage.
La communication n’est pas seulement une fonction parmi d’autres dans un système technologique. Elle permet à des composants distincts de participer à un objectif commun.
Cela est vrai dans les ordinateurs, où processeurs, mémoires, capteurs et réseaux doivent échanger des signaux interprétables. Cela est également vrai dans la vie humaine, où la connaissance, la confiance, l’intention et la coopération dépendent de notre capacité à transmettre et à recevoir du sens.
Un signal impossible à interpréter n’est que du bruit. Un message qui n’atteint jamais sa destination ne produit aucune action coordonnée. Un composant puissant incapable de communiquer avec le reste du système demeure isolé.
Le progrès, humain ou technologique, dépend donc autant de la connexion que de la capacité individuelle.
Les systèmes neuromorphiques rendent ce principe visible. Leur puissance ne vient pas d’un seul neurone artificiel essayant de tout accomplir. Elle vient de nombreuses unités qui réagissent, s’adaptent et communiquent à travers un réseau.
Des signaux simples deviennent un comportement coordonné.
Ne vous laissez pas intimider par le vocabulaire
La technologie moderne arrive souvent enveloppée d’un vocabulaire impressionnant. Cette précision est nécessaire aux spécialistes, mais elle peut rendre l’innovation inaccessible aux autres.
C’est pourquoi une compréhension solide des fondamentaux informatiques demeure si précieuse.
Apprenez comment l’information est représentée. Comprenez la relation entre le matériel et le logiciel. Étudiez les entrées, les sorties, la mémoire, le traitement, les réseaux, la latence et les états. Suivez le mouvement des données. Demandez ce qui déclenche une action et ce qui se produit ensuite.
Ces bases ne rendront pas chaque sujet avancé instantanément facile. Elles feront quelque chose de plus utile : elles vous donneront une structure pour poser les bonnes questions.
Une fois le motif sous-jacent reconnu, le caractère spectaculaire de la technologie perd son pouvoir d’intimidation.
Vous ne voyez plus un objet technologique impénétrable, mais un ensemble de systèmes qu’il est possible d’explorer.
Les fondations parlent toujours
L’IA neuromorphique représente une évolution importante dans la conception des systèmes informatiques. Elle rapproche le traitement de la mémoire, exploite davantage une activité rare et événementielle et emprunte des principes utiles à la communication des neurones biologiques.
Elle pourrait permettre à des machines de percevoir et de réagir beaucoup plus efficacement que certaines approches conventionnelles.
Mais son progrès ne rend pas les fondamentaux inutiles. Il les rend plus visibles.
Les signaux ont toujours besoin de sens. Les entrées doivent toujours être représentées. Les états changent. Les événements circulent. Les composants se coordonnent par la communication.
La leçon dépasse l’informatique neuromorphique.
N’abandonnez pas les bases dans votre empressement à comprendre la percée. La percée a été construite à partir d’elles.
N’abandonnez pas les bases dans votre empressement à comprendre la percée. La percée a été construite à partir d’elles.
Renforcez votre compréhension des fondements informatiques et vous commencerez à voir au-delà de la complexité superficielle de l’innovation moderne. Vous ne connaîtrez peut-être pas immédiatement chaque détail d’implémentation, mais vous saurez où commencer à chercher.
Et parfois, c’est précisément ce qui sépare le fait d’être impressionné par une technologie de la capacité à construire avec elle.
Question pour la conversation :
Quel principe fondamental de l’informatique vous a aidé à comprendre une technologie avancée?
Edward Tatchim
