Glossaire

Circuit intégré spécifique à une application (ASIC)

Qu’est-ce que Circuit intégré spécifique à une application (ASIC) ?

Un circuit intégré spécifique à une application (ASIC) est une puce conçue pour une tâche précise, et non pour un usage général comme un processeur central. En IA, les ASIC sont optimisés pour les calculs des réseaux de neurones, à l'image des Tensor Processing Units (TPU) de Google. Pour cette tâche, ils sont plus rapides et plus sobres en énergie que des puces généralistes, mais coûteux à développer et difficiles à adapter à de nouveaux usages.

Thèmes

Matériel
Puces
Infrastructure IA

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Informatique neuromorphique

L’informatique neuromorphique est une approche matérielle et logicielle inspirée de la structure du cerveau. Au lieu de déplacer des données au rythme d’une horloge entre mémoire et processeur séparés, des neurones et synapses artificiels travaillent en parallèle et ne réagissent qu’à des événements appelés impulsions (spikes). Cela promet une très faible consommation d’énergie, par exemple pour des capteurs ou des robots. Intel Loihi et IBM TrueNorth sont des puces de recherche connues ; l’usage commercial reste naissant.

matériel
recherche
+1

Apprentissage profond

L'apprentissage profond (deep learning) est une branche de l'apprentissage automatique qui utilise des réseaux de neurones artificiels à nombreuses couches. Ces réseaux apprennent eux-mêmes, à partir de grandes quantités de données, quelles caractéristiques comptent – des contours dans les images aux liens de sens dans les textes. Il est à la base des modèles de langage actuels, de la reconnaissance d'images et de la parole ainsi que de la traduction automatique, et exige généralement beaucoup de puissance de calcul et de données.

réseaux de neurones
apprentissage automatique
+1

Réseaux de neurones artificiels (RNA)

Les réseaux de neurones artificiels (RNA) sont des modèles de calcul composés de nombreuses unités connectées (« neurones »), organisées en couches, qui traitent les entrées via des connexions pondérées. Pendant l'entraînement, les poids sont ajustés progressivement à partir d'exemples, le plus souvent par rétropropagation. Les RNA sont à la base de l'apprentissage profond et se retrouvent dans la reconnaissance d'images et de la parole ainsi que dans les grands modèles de langage. Malgré leur inspiration biologique, ils fonctionnent bien plus simplement que le cerveau humain.

Apprentissage profond
Fondamentaux IA
+1