Modèles d’IA proche physique pour l’IA à la périphérie

Cette présentation sera basée sur des éléments actuels relatifs à l’empreinte environnementale de l’intelligence artificielle (IA) et les défis liés à la transition vers l’Edge AI (IA à la périphérie), c’est-à-dire une IA exécutée au plus près de la collecte des données et de la prise de décision. Elle s’intéressera plus particulièrement aux défis propres à l’IA embarquée en périphérie du réseau et quelques pistes de recherche prometteuses pour améliorer significativement l’efficacité énergétique et autoriser l’apprentissage embarqué (sur le système lui-même).

La présentation s’appuiera sur une étude de cas issue du projet Emergences, mené dans le cadre du PEPR IA, qui explore le potentiel des modèles à base d’énergie (Energy-Based Models, ou EBMs). Inspirés de concepts issus de la physique fondamentale, ces modèles décrivent le calcul IA sous la forme de systèmes dynamiques. Cette approche ouvre des perspectives prometteuses pour simplifier l’entraînement des modèles et permettre leur implémentation sur des architectures essentiellement analogiques, dotées de capacités d’apprentissage directement sur puce. Elle pourrait ainsi ouvrir la voie à des systèmes d’IA en périphérie du réseau à la fois plus économes en énergie et plus adaptatifs.

Cet événement fait partie de la série mensuelle de séminaires du Pôle MIPS, qui vise à favoriser les échanges scientifiques et à mettre en avant de nouveaux sujets de recherche et innovations technologiques.

Contact :