Andreas Moshovos, un des chefs de file dans le domaine de l’apprentissage automatique, conçoit du matériel sophistiqué respectant des spécifications de plus en plus spécialisées.

« Lorsqu’une communication est essentielle pour une raison quelconque, qu’elle nécessite la vitesse, la précision ou l’efficacité énergétique, tout outil spécialisé peut aider, » affirme Moshovos, un professeur au département de génie électrique et informatique à l’Université de Toronto.

Moshovos a passé une bonne partie de sa carrière à optimiser divers types de matériel informatique, mais il considère ses recherches en apprentissage approfondi comme étant son plus grand défi jusqu’à maintenant. C’est la stimulation des capacités des ordinateurs à « faire le calcul » qui leur permet de traiter de plus énormes quantités d’information de plus en plus complexes, comme des données venant de plusieurs capteurs physiques (par exemple, ceux que l’on retrouve dans les véhicules autonomes). Ces systèmes deviennent capables d’utiliser les calculs précédents pour déterminer la façon de traiter les nouvelles données; ils tirent alors profit de leurs propres expériences.

Par contre, afin de faciliter ce genre de processus d’apprentissage, le matériel doit être le plus efficace possible de façon à pouvoir filtrer les calculs et choisir ceux qui mèneront aux résultats escomptés. Moshovos et ses collègues créent ces produits sophistiqués avec l’aide de CMC Microsystèmes, qui leur fournit les logiciels nécessaires pour concevoir de tels matériels spécialisés.

« Il est extrêmement difficile pour les chercheurs d’obtenir l’accès à ce type d’outil logiciel, » note Moshovos, car ces types de ressources sont habituellement réservés à certains secteurs de l’industrie. « Je ne serais pas en mesure de faire le travail que je fais sans avoir accès à ces technologies. Je pourrais en faire une partie, mais je serais incapable de passer à la prochaine étape : faire connaître mon produit et convaincre le monde qu’il est prometteur. Il y a des limites à ce que l’on peut faire sans fabriquer un prototype. »

Cette capacité de maintenir le rythme de la recherche en apprentissage automatique, avec l’aide de CMC, a eu d’importantes répercussions : Moshovos dirige maintenant un nouveau réseau pancanadien, le réseau stratégique de partenaires « COmputing Hardware for Emerging Intelligent Sensing Applications » (COHESA) du CRSNG. Ce groupe se compose de 19 chercheurs de premier plan dans le domaine venant de sept universités, ainsi que de plusieurs partenaires de l’industrie. Il concentre ses efforts vers l’apprentissage automatique dans le but de rendre possible de nouveaux niveaux de fonctionnalité qui sont semblables aux capacités humaines, comme l’ouïe, la vue et la lecture.

« Nous sommes choyés, car l’Université de Toronto et certaines autres universités canadiennes étaient à l’avant-garde de cette innovation, » affirme Moshovos. « Nous avions constaté que cette technologie ne nous donnerait pas les résultats qu’il était possible d’obtenir si nous utilisions des matériels de base. Il s’agissait d’une excellente occasion de nous servir de notre expérience collective. »

« Il y a des limites à ce que l’on peut faire sans fabriquer un prototype »

Le réseau COHESA du CRSNG ne compte pas seulement sur les compétences considérables de ses chercheurs; il profite également des liens de ses divers membres avec des entreprises de l’industrie, y compris les entreprises multinationales comme AMD, Google, Huawei, Intel et Qualcomm. Même si les partenaires de l’industrie tendent à avoir des intérêts immédiats pour les technologies très pratiques d’apprentissage automatique, le réseau a pu montrer à ses entreprises les possibilités par rapport à l’avenir de ces technologies découvertes lors des travaux les plus avancés menés dans les universités de partout au pays.

Le réseau prépare également la prochaine génération d’innovateurs en offrant des possibilités de formation à des dizaines d’étudiants diplômés et de boursiers postdoctoraux dans les laboratoires de recherche COHESA.

D’après Moshovos, cette complémentarité figure parmi les résultats satisfaisants découlant de la création du réseau. « Je savais qu’il y a beaucoup de personnes exceptionnelles au Canada et le réseau nous a donné l’occasion d’en rassembler plusieurs, » dit Moshovos. « Le réseau a également créé des liens plus étroits. J’aimerais qu’il prenne encore plus d’ampleur, car notre pays possède énormément de talent dans ce domaine. »

Photo : Rodney Daw

Janvier 2019