De nouvelles recherches montrent comment les ordinateurs ressemblant à des cerveaux pourraient révolutionner la blockchain et l’IA

Des chercheurs de la Technische Universität Dresden en Allemagne ont récemment publié une recherche révolutionnaire présentant une nouvelle conception matérielle pour l’informatique neuromorphique, une technologie qui pourrait avoir des implications révolutionnaires à la fois pour la blockchain et l’IA.

À l’aide d’une technique appelée «informatique en réservoir», l’équipe a développé une méthode de reconnaissance de formes qui utilise un vortex de magnons pour exécuter des fonctions algorithmiques presque instantanément.

Ça a l’air compliqué parce que ça l’est. Source de l’image, article Nature, Korber, et. Al., Reconnaissance de formes dans l’espace réciproque avec un réservoir à diffusion de magnon

Non seulement ils ont développé et testé le nouveau matériau de réservoir, mais ils ont également démontré le potentiel de l’informatique neuromorphique pour fonctionner sur une puce CMOS standard, quelque chose qui pourrait renverser à la fois la blockchain et l’IA.

Les ordinateurs classiques, tels que ceux qui alimentent nos smartphones, ordinateurs portables et la majorité des superordinateurs du monde, utilisent des transistors binaires qui peuvent être activés ou désactivés (exprimés par « un » ou « zéro »).

Les ordinateurs neuromorphiques utilisent des neurones artificiels physiques programmables pour imiter l’activité cérébrale organique. Au lieu de traiter des binaires, ces systèmes envoient des signaux à travers différents modèles de neurones avec le facteur temps supplémentaire.

La raison pour laquelle cela est important pour les domaines de la blockchain et de l’IA, en particulier, est que les ordinateurs neuromorphiques sont fondamentalement adaptés à la reconnaissance des formes et aux algorithmes d’apprentissage automatique.

Les systèmes binaires utilisent l’algèbre booléenne pour calculer. Pour cette raison, les ordinateurs classiques restent incontestés lorsqu’il s’agit de calculer des nombres. Cependant, lorsqu’il s’agit de reconnaissance de formes, en particulier lorsque les données sont bruyantes ou qu’il manque des informations, ces systèmes ont du mal.

C’est pourquoi il faut beaucoup de temps aux systèmes classiques pour résoudre des énigmes de cryptographie complexes et pourquoi ils sont totalement inadaptés aux situations où des données incomplètes empêchent une solution basée sur les mathématiques.

Dans les secteurs de la finance, de l’intelligence artificielle et des transports, par exemple, il y a un afflux incessant de données en temps réel. Les ordinateurs classiques sont aux prises avec des problèmes d’occlusion – le défi des voitures sans conducteur, par exemple, s’est jusqu’à présent avéré difficile à réduire à une série de problèmes de calcul « vrai/faux ».

Cependant, les ordinateurs neuromorphiques sont spécialement conçus pour traiter des problèmes impliquant un manque d’informations. Dans l’industrie du transport, il est impossible pour un ordinateur classique de prédire le flux de trafic car il y a trop de variables indépendantes. Un ordinateur neuromorphique peut constamment réagir aux données en temps réel car il ne traite pas les points de données un par un.

Au lieu de cela, les ordinateurs neuromorphiques exécutent des données à travers des configurations de modèles qui fonctionnent un peu comme le cerveau humain. Notre cerveau émet des schémas spécifiques en relation avec des fonctions neuronales spécifiques, et les schémas et les fonctions peuvent changement au fil du temps.

En rapport: Quel est l’impact de l’informatique quantique sur le secteur financier ?

Le principal avantage de l’informatique neuromorphique est que, par rapport à l’informatique classique et quantique, son niveau de puissance consommation est extrêmement faible. Cela signifie que les ordinateurs neuromorphiques pourraient réduire considérablement le coût en termes de temps et d’énergie lorsqu’il s’agit à la fois d’exploiter une blockchain et d’extraire de nouveaux blocs sur des blockchains existantes.

Les ordinateurs neuromorphiques pourraient également accélérer considérablement les systèmes d’apprentissage automatique, en particulier ceux qui s’interfacent avec des capteurs du monde réel (voitures autonomes, robots) ou ceux qui traitent des données en temps réel (analyse de marché crypto, hubs de transport).

Recueillir cet article en tant que NFT pour préserver ce moment de l’histoire et montrer votre soutien au journalisme indépendant dans l’espace crypto.