Tout savoir sur : ARM Project Trillium : l’intelligence artificielle bientôt démocratisée ?
Tout le monde parle aujourd’hui d’intelligence artificielle. Mais rares sont les terminaux mobiles qui en usent vraiment. Pourquoi ? Parce qu’elle est pour l’instant réservée aux terminaux haut de gamme. Que ce soit les Galaxy Sx ou Note de Samsung, le très prochain V30 de LG attendu à Barcelone, le prochain Px de Huawei avec ces trois capteurs photo à l’arrière, etc. Ce sont les modèles premium de chaque marque et non leurs modèles les plus abordables, comme les Honor ou les Galaxy A.
Standardiser l'intelligence artificielle ?
Il y a une raison à cela : la technologie coûte encore cher, malgré les nombreuses avancées de Google en la matière (Google Assistant et les Pixel Buds en sont d’excellentes preuves). Il y a bien sûr les développements informatiques pour créer ses plates-formes intelligentes. Et il y a les composants électroniques pour les faire tourner, car cela demande des ressources significatives. Samsung a intégré l’intelligence artificielle dans son dernier Exynos, numéroté 9810. Huawei a fait de même avec le Kirin 970. Apple a inclus un coprocesseur neural dans l’A11 Bionic. Et Qualcomm déploie des solutions liées à l’intelligence artificielle depuis le Snapdragon 820. Ce sont des composants premium.
Ce qu’il faudrait, pour baisser le ticket d’entrée dans l’univers de l’intelligence artificielle, ce serait l’arrivée d’une technologie standardisée. Et c’est justement le but de Project Trillium d’ARM. Le consortium britannique, créateur des cœurs applicatifs Cortex et graphiques Mali, a présenté ce projet comme une double architecture visant à intégrer les usages liés à l’intelligence artificielle dans des chipsets qui seront basés sur les architectures qu’elle développe. En gros, les futurs SoC avec des Cortex et des Mali seront compatibles. Reste à savoir si cela sera rétrocompatible (avec les Cortex-A75 par exemple) et, si non, quand les premiers cœurs seront dévoilés.
Apprentissage et compréhension
Project Trillium se compose de deux volets (lesquels ne sont pas incompatibles l’un avec l’autre, bien au contraire). Un volet appelé ML et un volet appelé OD. Ce sont les acronymes de « Machine Learning » et de « Object Detection ». Avec le premier, la plate-forme apprend seule de nouvelles informations (grâce à des processus itératifs). Avec le second, elle comprend ce qu’elle analyse. Un exemple concret d’usage avec Google Photos : l’apprentissage sert à reconnaître les visages dans vos albums (et donc à proposer des filtres automatiques par nom), tandis que la détection d’objet sert à reconnaître un monument (et donc à classer les photos par lieu, sans avoir à les géolocaliser).
Il y a bien sûr de nombreux autres services : traduction automatique, recherche visuelle, automatisation des achats (en prenant une simple photo), etc. Et pour chaque usage, ce sont des milliers de milliards d’opérations qui sont traitées par les processeurs. L’idée d’ARM est donc de créer des architectures qui répondent spécifiquement à chacun des deux volets, en optimisant le traitement des informations et leur interprétation avec des technologies logicielles adaptées.
Un projet à moyens termes
Project Trillium n’est pas une gamme de processeurs en soi, comme Cortex ou Mali. Ce sont des architectures qui serviront ensuite à développer des cœurs, lesquels pourront adresser un des deux volets, voire les deux en même temps pour les plus performants. Mais cela veut dire surtout que de futurs cœurs destinés à être utilisés dans des smartphones milieu de gamme seront compatibles. Et cela participera certainement à la démocratisation de l’intelligence artificielle. Mais cela ne sera pas pour tout de suite quand même…
