Les réseaux neuronaux topographiques aident l’IA à voir comme un être humain (contenu en anglais)

Un article récent publié dans Nature Human Behaviour présente un nouveau réseau de neurones « topographique » (All-TNN) qui, entraîné sur des images naturelles, développe une structure organisée plus proche du système visuel humain. Ce réseau reproduit mieux les biais spatiaux humains – comme s’attendre à voir un avion en haut plutôt qu’en bas d’une image – et consomme dix fois moins d’énergie que les réseaux convolutionnels classiques (CNN), malgré une taille treize fois supérieure lors de leurs tests. Les chercheurs voient dans cette architecture une alternative prometteuse à l’actuelle course à l’échelle, offrant une voie vers des systèmes plus efficaces énergétiquement et potentiellement plus utiles pour comprendre l’intelligence biologique et artificielle.

Ce sont d’ailleurs ces deux derniers points, particulièrement l’efficacité énergétique qui ont attiré notre attention. Les grandes entreprises en IA sont présentement très concentrée sur un certain type de modèle (LLMs) offert particulièrement selon deux modèles d’affaire (chatbots et programmatiquement par API), mais sous le grand chapiteau IA, il y a toute une variété de méthodes qui évoluent dans différentes directions, dont une bien meilleure efficacité énergétique pour certaines.