Kioxia Corporation, le leader mondial en solutions de mémoire, a développé un système de classification d’images basé sur l’IA et utilisant une capacité de stockage élevée. Le système classe les images à l’aide d’un réseau neural bâti sur les connaissances enregistrées dans des stockages externes à capacité élevée. Ainsi, les « oublis catastrophiques », un des défis majeurs que doivent relever les réseaux neuraux, sont évités et des connaissances peuvent être ajoutées ou mises à jour sans perte des connaissances actuelles. La technologie a été présentée le 25 octobre au cours de la session orale de l’European Conference on Computer Vision 2022 (ECCV 2022) à Tel Aviv, une des conférences les plus importantes dans le domaine de la vision artificielle[1].
Ce communiqué de presse contient des éléments multimédias. Voir le communiqué complet ici : https://www.businesswire.com/news/home/20221101006377/fr/
Image classification utilizing high-capacity storage (Graphic: Business Wire)
Dans les techniques conventionnelles d’IA, les réseaux neuraux sont formés à acquérir des connaissances à travers la mise à jour de paramètres appelés « poids ». Une fois complètement formé, afin d’acquérir de nouvelles connaissances, un réseau neural doit soit être de nouveau formé en recommençant depuis le début, soit faire l’objet d’un affinage avec de nouvelles données. La première option est particulièrement chronophage et entraîne une consommation considérable d’énergie alors que la deuxième solution passe par la mise à jour des paramètres avec un risque d’oubli catastrophique et de perte des connaissances acquises antérieurement, provoquant la détérioration de la précision de la classification.
Pour régler les problèmes de coûts et de précision des systèmes de classification d’images basés sur les réseaux neuraux, la nouvelle solution enregistre, dans un stockage à capacité élevée, d’importantes quantités de données d’image, d’étiquettes et de cartes de fonction d’image[2] en guise de connaissances. Le réseau neural classe ensuite les images en se référant aux connaissances stockées (Figure 1). Avec cette méthode, les connaissances peuvent être ajoutées ou mises à jour en ajoutant de nouvelles étiquettes d’image ou cartes de fonction aux données stockées. Étant donné qu’il n’est pas nécessaire de former à nouveau ou de mettre à jour les poids, ce qui peut provoquer un « oubli catastrophique », la précision de la classification d’image peut être maintenue.
En outre, en consultant les données stockées lorsque le réseau neural classe les images, la base des résultats de la classification peut être visualisée, ce qui devrait améliorer l’explicabilité de l’IA[3] et atténuer le problème de boîte noire[4], permettant ainsi la modification sélective des sources de connaissances. Par ailleurs, en analysant les données consultées, la contribution de chaque donnée stockée peut être évaluée sur la base de la fréquence des consultations.
Guidé par sa mission visant à « Améliorer le monde grâce à la mémoire », Kioxia entend poursuivre son développement de technologies d’IA et de stockage en élargissant la portée de l’IA basée sur la mémoire au-delà de la classification d’images vers d’autres domaines et en promouvant la recherche et le développement de la technologie d’IA grâce au stockage à capacité élevée.
À propos de l’IA centrée sur la mémoire
Vidéo d’introduction : https://youtu.be/lw8XKhviGJc
IA centrée sur la mémoire, 1ère partie : comment les meilleurs ingénieurs de Kioxia développent une IA qui s’appuie sur la mémoire https://brand.kioxia.com/en-jp/articles/article25.html
IA centrée sur la mémoire, 2ère partie : un Internet de mémoires : brainstorming sur les utilisations de l’IA centrée sur la mémoire https://brand.kioxia.com/en-jp/articles/article26.html
À propos de l'ECCV
La Conférence européenne sur la vision artificielle (European Conference on Computer Vision ECCV) est une des plus importantes conférence dans le domaine de la vision artificielle. Ces dernières années, l'ECCV est devenue le forum principal pour la présentation de recherches en IA, y compris la classification d'images, la détection d'objets et d'autres technologies utilisant l'apprentissage profond. Cette année, le taux d'acceptation pour une présentation orale était de 2,7 %.
[1] Titre du document : K. Nakata et. al., "Revisiting a kNN-based Image Classification System with High-capacity Storage", European Conference on Computer Vision 2022 (ECCV 2022)
[2] Cartes de fonction d'image : multidimensionnelle (p. ex., 1,024-dimensional) données numériques obtenues à travers des opérations de réseaux neuraux
[3] Explicabilité de l'IA : capacité à expliquer la base et les raisons des résultats prédits par l'IA d'une façon pouvant être interprétée par des humains.
[4] Problème de boîte noire : le processus débouchant sur les résultats prédits par l'IA ne peut pas être interprété par les humains, ce qui en fait un problème de boîte noire.
Les noms d'entreprise, de produits et de services peuvent être des marques déposées appartenant à des entreprises tierces.
À propos de Kioxia
Kioxia est un leader mondial des solutions de mémoire, consacré au développement, à la production et à la vente de mémoires flash et de disques durs à semi-conducteurs (solid-state drives, SSD). En avril 2017, son prédécesseur Toshiba Memory s’est séparé de Toshiba Corporation, la société qui a inventé la mémoire flash NAND en 1987. En matière de mémoire, Kioxia vise à édifier le monde en proposant des produits, services et systèmes qui offrent davantage de choix pour les clients et créent plus de valeur basée sur la mémoire, pour la société. La technologie de mémoire flash 3D innovante de Kioxia, BiCS FLASH™, façonne l’avenir du stockage à haute densité dans les applications, comme les centres de données, les disques à semi-conducteurs (solid-state drive, SSD), les ordinateurs individuels (Personal Computer, PC), les produits automobiles et les smartphones les plus sophistiqués du marché.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20221101006377/fr/
