Et si l’intelligence artificielle cessait de dépendre de milliards de transistors pour s’appuyer sur un principe vieux comme les métronomes ? C’est le pari d’Unconventional AI, une start-up née des travaux de chercheurs du MIT et de Stanford. Son ambition : utiliser la synchronisation de systèmes physiques pour concevoir une IA jusqu’à mille fois moins énergivore que l’informatique classique.
L’enjeu est considérable. Les générateurs d’images comme Midjourney ou Dall-E reposent souvent sur la diffusion. Le modèle part d’un bruit visuel, puis le transforme progressivement en image cohérente. Cette opération exige généralement entre vingt et cinquante étapes, parfois jusqu’à cent, même si les gains deviennent faibles au-delà d’un certain seuil. Répétée à l’échelle de millions de requêtes, elle entraîne une consommation électrique importante. Unconventional AI propose donc de changer de fondation. Les ordinateurs classiques utilisent des transistors, de minuscules interrupteurs qui passent du zéro au un. Chaque bascule consomme de l’énergie. La start-up mise, elle, sur des oscillateurs physiques : des éléments qui produisent un mouvement périodique, comme un métronome. Lorsqu’ils sont reliés, ces oscillateurs tendent naturellement à se synchroniser.
En connectant des milliers d’entre eux selon le modèle mathématique de Kuramoto, l’entreprise affirme pouvoir réaliser des calculs complexes, notamment pour générer des images. Le traitement ne serait plus effectué uniquement par une succession d’opérations logiques, mais par l’évolution physique du système lui-même. Cette approche a donné naissance à Un-0, une première preuve de concept rendue publique sur GitHub. Le modèle utilise un réseau d’oscillateurs pour produire des images. Le projet réunit Sara Achour, professeure à Stanford, Michael Carbin, professeur associé au MIT, MeeLan Lee, ancienne ingénieure chez Google, et Naveen Rao, ancien responsable de l’intelligence artificielle chez Databricks.
La promesse reste toutefois à confirmer. Un-0 n’est encore qu’une démonstration expérimentale. Transformer ce principe en matériel fiable, industrialisable et compétitif représente un défi immense. Mais à l’heure où l’IA devient toujours plus gourmande en énergie, cette piste intrigue. Plutôt que de forcer les machines à calculer davantage, Unconventional AI propose de laisser la physique travailler. Et peut-être, demain, les modèles les plus sobres fonctionneront-ils au rythme de milliers de métronomes invisibles.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.
