Reservoir computing pour capteurs multitâches
Tout géant de la technologie serait heureux de vous le dire: l’apprentissage machine est l’avenir de la technologie et nous n’avons fait qu’effleurer tout son potentiel. Bientôt, tous les logiciels intégrés à nos appareils intelligents apprendront et s’amélioreront automatiquement, comme le font les êtres humains chaque fois que nous rencontrons de nouvelles situations. La comparaison est fondamentale, car l’une des approches les plus réussies de l’apprentissage automatique – appelée Reservoir computing – s’inspire des réseaux de neurones. Comme le souligne Zoran Konkoli, professeur au département de microtechnologie et de nanosciences de l’Université de technologie Chalmers: «L'argument de vente clé du Reservoir computing est qu’il ne nécessite pas d’équipement auxiliaire complexe. Si un système est suffisamment complexe, il peut être équipé d’une unité très simple, appelée “couche de lecture”, qui peut être facilement optimisée pour tout calcul.» En septembre 2015, le professeur Konkoli a dirigé un consortium d’universités et d’instituts de recherche composé de huit personnes pour appliquer le Reservoir computing à une nouvelle génération de capteurs intelligents et biocompatibles capables de détecter les changements de comportement dans les concentrations en ions. Le projet RECORD-IT était né. Habituellement, les capteurs fonctionnent en deux étapes. Premièrement, ils interagissent avec l’objet à étudier et produisent un résultat. Ce résultat peut ensuite être analysé dans une seconde étape par une unité indépendante. Lorsque nos yeux rencontrent la lumière, par exemple, cela déclenche le potentiel d’action des neurones qui transitent de la rétine au cerveau. Dans un deuxième temps, notre cerveau donne un sens à cette information. Il existe deux approches clés à l’utilisation du Reservoir computing (RC) pour les capteurs: la configuration classique de «RC et détection», où le dispositif RC est utilisé pour la phase d’analyse, et la nouvelle approche de «RC pour la détection» développée par le projet RECORD-IT. Ici, le capteur RC collecte des informations et les traite en même temps. «Disons que vous voulez connaître le temps qu’il fait dehors sans avoir accès à une fenêtre. Si une personne entre dans la pièce par l’extérieur, vous pouvez l’utiliser pour déterminer le temps qu’il fait. Dans une configuration «RC et détection», vous devez concevoir une caméra très complexe qui sera suivie d’une analyse de traitement d’image complexe (par une télécommande ou un autre type d’unité) afin de déterminer si la personne est mouillée. Avec «RC pour la détection», vous pouvez simplement interagir avec la personne au lieu d’être un observateur passif en posant des questions simples», explique le professeur Konkoli. La principale innovation apportée par RECORD-IT réside dans la manière dont un système aussi dynamique peut être interrogé au fil du temps, en accumulant des indices sur l’environnement avant de les évaluer avec une unité d’inférence très simple. Mais l’équipe a également réussi à appliquer cette approche au domaine très complexe des systèmes ioniques. «La liste des applications possibles est infinie», se réjouit le professeur Konkoli. «Nous prévoyons un impact considérable sur les technologies IdO, où la nécessité de réduire la bande passante de communication est un défi majeur. Par exemple, nous pourrions envisager des applications médicales telles que la surveillance des patients en temps réel (nous voulons des capteurs précis, petits et économes en énergie); des applications d’intelligence en essaim avec systèmes de capteurs distribués, etc.» Bien que le projet ait été achevé l’année dernière, le consortium s’est employé à exploiter les principes algorithmiques du projet pour plusieurs applications. Celles-ci incluent un capteur pour détecter les maladies neurologiques; des applications cryptographiques; et plusieurs idées de réseaux de capteurs distribués.
Mots‑clés
RECORD-IT, Reservoir computing, apprentissage automatique, capteurs, réseau de neurones, IdO, Internet des objets, RC pour la détection, systèmes ioniques
