L’intelligence artificielle peut désormais résoudre des problèmes mathématiques avancés, effectuer des raisonnements complexes et même utiliser des ordinateurs personnels, mais les algorithmes d’aujourd’hui pourraient encore apprendre une chose ou deux des vers microscopiques.

Liquid AI, une startup issue du MIT, dévoilera aujourd'hui plusieurs nouveaux modèles d'IA basés sur un nouveau type de réseau neuronal « liquide » qui a le potentiel d'être plus efficace, moins gourmand en énergie et plus transparent que ceux qui sous-tendent tout, des chatbots aux générateurs d'images en passant par les systèmes de reconnaissance faciale.

Parmi les nouveaux modèles de Liquid AI, un pour détecter les fraudes dans les transactions financières, un autre pour contrôler les voitures autonomes et un troisième pour analyser les données génétiques. L'entreprise a présenté les nouveaux modèles, dont elle octroie des licences à des entreprises extérieures, lors d'un événement organisé aujourd'hui au MIT. L'entreprise a reçu des fonds d'investisseurs tels que Samsung et Shopify, qui testent également sa technologie.

« Nous sommes en train de passer à l’échelle supérieure », explique Ramin Hasani, cofondateur et PDG de Liquid AI, qui a co-inventé les réseaux liquides alors qu’il était étudiant diplômé au MIT. Les recherches de Hasani se sont inspirées du C. elegans, un ver d’un millimètre de long que l’on trouve généralement dans le sol ou la végétation en décomposition. Le ver est l’une des rares créatures dont le système nerveux a été cartographié dans son intégralité, et il est capable d’un comportement remarquablement complexe malgré ses quelques centaines de neurones. « Ce n’était autrefois qu’un projet scientifique, mais cette technologie est entièrement commercialisée et prête à apporter de la valeur aux entreprises », explique Hasani.

Dans un réseau neuronal classique, les propriétés de chaque neurone simulé sont définies par une valeur statique ou « poids » qui affecte son activation. Dans un réseau neuronal liquide, le comportement de chaque neurone est régi par une équation qui prédit son comportement au fil du temps, et le réseau résout une cascade d’équations liées au fur et à mesure de son fonctionnement. La conception rend le réseau plus efficace et plus flexible, lui permettant d’apprendre même après l’entraînement, contrairement à un réseau neuronal classique. Les réseaux neuronaux liquides sont également ouverts à l’inspection d’une manière qui ne le permet pas avec les modèles existants, car leur comportement peut essentiellement être rembobiné pour voir comment il a produit une sortie.

<

p class=”paywall”> En 2020, les chercheurs ont montré qu'un tel réseau avec seulement 19 neurones et 253 synapses, ce qui est remarquablement petit par rapport aux normes modernes, pouvait contrôler une voiture autonome simulée. Alors qu'un réseau neuronal classique ne peut analyser les données visuelles qu'à des intervalles statiques, le réseau liquide capture très efficacement la façon dont les informations visuelles évoluent au fil du temps. En 2022, les fondateurs de Liquid AI ont trouvé un raccourci qui a rendu le travail mathématique nécessaire aux réseaux neuronaux liquides réalisable pour une utilisation pratique.