Procédé biomimétique versus apprentissage profond
Processeur de perception bio-inspiré : une approche neuromorphique

L’apprentissage profond a été initialisé dans les années 90 avec Yann Lecun comme chef de file. En 2012, l’augmentation de performance calculatoire a permis d’utiliser des quantités très importantes de données et donc de pouvoir en extraire des éléments communs par corrélation croisée et apprentissage supervisé, en appliquant une adaptation des relations entre éléments locaux appelée « poids synaptique » ou CNN (pour Convolutional Neural Network). Ce procédé nécessite un calcul pour plusieurs échelles, la rotation est très mal gérée, et l’invariance est obtenue par une multicité de couches calculatoires. La mémorisation de l’information est distribuée, liée au support et variable en fonction des éléments appris. La mémoire n’est donc pas transférable entre deux supports différents. Ce procédé est surtout utilisé par des entreprises qui veulent traiter des données à très grande échelle.

Pour des applications de la vie courante, le procédé biomimétique va s’avérer beaucoup plus performant. La figure 16 en montre un exemple d’actualité avec l’avènement des véhicules autonomes : la détection et reconnaissance d’un panneau de signalisation par, d’un côté, le processeur Miriad-2 sorti récemment et acquis par INTEL en été 2016, de l’autre, le processeur USeR intégrant le procédé biomimétique décrit dans cet article.

Les imageurs de smartphone ont des définitions de plus en plus grandes – 20 Mpix prévus pour 2020 – impliquant une puissance de calcul en correspondance. L’être humain possède plus de 140 millions de capteurs visuels élémentaires intégrés dans chaque œil avec un nerf optique ayant environ 1 million de fibres nerveuses. C’est donc cette approche qui a été choisie pour extraire les représentations sémantiques d’une manière contextuelle et locales avec une visualisation de 12 Mpix en entrée et des traitements faits sur une dimension VGA de 0,3 Mpix pour les deux niveaux. La nature a effectué cette différentiation dans le capteur, et c’est certainement ce qui va arriver dans les capteurs de prochaines générations en intégrant la technologie des puces empilées. Le transfert des données entre le capteur et l’unité de traitement est actuellement le...