Avec cet article, nous examinerons plus en détail la relation entre l'intelligence artificielle (IA) dans son composant d'apprentissage en profondeur, et la puissance de calcul ou le matériel informatique, une connexion que nous avons commencé à explorer avec notre article précédent, «Quand AI a commencé à créer des AI“. Les fondements permettant de comprendre le lien entre l'IA-Profonde et la puissance de calcul étant posés, le prochain article portera sur les conséquences politiques et géopolitiques de cette relation, tout en considérant une incertitude critique mise au jour ici et selon laquelle l'évolution vers la co-conception d'AI- L'architecture et le matériel d'apprentissage en profondeur pourraient modifier l'ensemble du domaine.

Connecté

Intelligence artificielle, puissance de calcul et géopolitique (2): qu'arriveraient-ils aux acteurs dont le HPC était insuffisant dans un monde où l'intelligence artificielle était en jeu, un monde où la distribution du pouvoir résulte maintenant également de l'intelligence artificielle, alors qu'une menace pour l'ordre de Westphalie émerge

La course à la puissance de calcul haute performance - Intelligence artificielle, puissance de calcul et géopolitique (3): Le cadre complexe dans lequel les réponses disponibles pour les acteurs en termes de HPC, compte tenu de son importance cruciale, doit être localisé.

Gagner la course à l'informatique exascale - Intelligence artificielle, puissance de calcul et géopolitique (4): La course à l'informatique exascale, à la situation actuelle et aux impacts sur le pouvoir et l'ordre politique et géopolitique; perturbations possibles de la course.

Notre objectif est de mieux comprendre comment la puissance de calcul peut être à la fois un moteur, un enjeu et une force pour l'expansion de l'IA et le monde émergent de l'IA. La puissance informatique est l’un des six moteurs que nous avons identifiés et qui, non seulement agissent comme des forces derrière le développement de l’intelligence artificielle, mais deviennent en tant que tels des enjeux de la concurrence entre acteurs de la course au pouvoir de l’intelligence artificielle (Helene Lavoix, «Intelligence artificielle - Forces, moteurs et enjeux” The Red (Team) Analysis Society26 mars 2018).

Dans cet article, nous montrons qu'AI-Deep Learning a en effet besoin d'une grande puissance de calcul, même s'il varie selon les phases du calcul et évolue avec les améliorations. Bien que les progrès des systèmes d'intelligence artificielle entraînent une diminution de la demande de puissance de calcul au cours du processus de création d'un système d'intelligence artificielle, la recherche même d'optimisation exige non seulement plus de puissance de calcul, mais conduit également à des changements dans le domaine du matériel (ce que nous verrons plus loin). plus en détail dans le prochain article), et même potentiellement en termes d’algorithmes. Parallèlement, davantage de puissance de calcul signifie également la capacité d'aller plus loin en termes d'apprentissage en profondeur et d'intelligence artificielle, confirmant ainsi que la puissance de calcul est un facteur d'expansion de l'IA. Des boucles de rétroaction ou plutôt des spirales commencent donc à apparaître entre l’intelligence artificielle et son expansion et au moins deux de ses facteurs, la puissance de calcul et les «algorithmes».

Nous expliquons d’abord la méthodologie utilisée pour découvrir le lien entre AI-Deep Learning (DL) et la puissance de calcul dans un écosystème en évolution rapide, puis nous indiquons deux nouvelles frontières probables dans le domaine de l’apprentissage en profondeur, à savoir les algorithmes évolutifs appliqués à l’apprentissage en profondeur en général. et apprentissage par renforcement. Nous présentons également brièvement les trois phases du calcul d’un système AI-DL. Nous abordons ensuite chacune des phases: création, formation ou développement, et inférence ou production. Nous expliquons chacune des phases et les besoins en termes de puissance de calcul pour chacune d’elles. Nous allons ensuite au-delà de la catégorisation et expliquons la quête constante d'amélioration au cours des trois phases, en soulignant l'équilibre recherché entre les éléments clés. Nous soulignons notamment la dernière évolution vers la conception de code de l’architecture et du matériel du réseau Deep Neural.

La vie d'un système AI-DL et la puissance de calcul dans un écosystème en évolution rapide - méthodologie

Ceci est un article premium. Pour accéder à cet article, vous devez devenir l'un de nos membres. Log in si vous êtes membre. Une version pdf de l'article est disponible pour les membres.

ARTICLE 3113 MOTS COMPLET - pdf 11 pages


L'image sélectionnée: ORNL lance le supercalculateur Summit sur Flickr (domaine public) le 30 mai 2018.

A propos de l'auteur: Dr Helene Lavoix (MSc PhD Lond)

Dr Hélène Lavoix, PhD Lond (Relations internationales), est le directeur de The Red (Team) Analysis Society. Elle est spécialisée dans la prospective stratégique et l'alerte en matière de sécurité nationale et internationale. Elle se concentre actuellement sur l'intelligence artificielle, la science quantique et la sécurité. Elle enseigne au niveau Master à SciencesPo-PSIA.

Rejoindre la conversation

1 commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les spams. En savoir plus sur la façon dont les données de vos commentaires sont utilisées.

FR
EN FR