Exploiter les compromis énergie-fiabilité pour de l'intelligence artificielle à très faible consommation d'énergie

1. Résumé du projet

Les algorithmes d’apprentissage automatique basés sur des réseaux de neurones profonds ont révolutionné le domaine de l’intelligence artificielle en surpassant largement les approches existantes sur un grand nombre de tâches telles que la reconnaissance vocale et la vision par ordinateur. Cependant, les excellentes performances de ces algorithmes sont obtenues au prix d’une importante complexité calculatoire. Chaque utilisation d’un réseau de neurones profond a donc un coût énergétique important qui empêche leur utilisation dans des systèmes mobiles ou à faible énergie, tout en représentant un coût économique et environmental. L’objectif de se projet est de développer de nouvelles approches permettant de drastiquement réduire l’énergie consommée par les réseaux de neurones profonds à performance égale, en faisant appel à des processeurs qui peuvent réduire leur consommation d’énergie au prix d’une diminution de leur fiabilité. Ce projet viendra renforcer la position dominante du Québec en intelligence artificielle en s’attaquant à sa consommation d’énergie, aspect essentiel pour ouvrir la porte à de nouvelles utilisations de cet outil révolutionnaire.