Un nouveau système apporte du « deep learning », à savoir « l’apprentissage en profondeur » automatique aux microcontrôleurs. Cette nouvelle technologie permettrait d’améliorer la fonction ainsi que la sécurité des appareils connectés « IoT ».

Aujourd’hui, on retrouve un peu partout le « deep learning ». Cette branche de l’intelligence artificielle travaille dans l’organisation des réseaux sociaux et contribue dans l’obtention de résultats de recherche Google. Dans le futur proche, le « deep learning » pourrait même être utilisé pour vérifier les signes vitaux de l’utilisateur ou encore régler sa température corporelle. Un système a été développé par les chercheurs de MIT, et celui-ci pourrait apporter des réseaux de neurones d’apprentissage en profondeur à de nouveaux endroits, comme les minuscules puces informatiques dans les appareils médicaux portables, les appareils ménagers et les 250 milliards d’autres objets qui constituent « l’Internet des Objets » (IoT).

Ce système qui a été nommé MCUNet, arrive à concevoir des réseaux de neurones compacts qui offrent une excellente vitesse et précision pour l’apprentissage en profondeur sur les appareils IoT, malgré la limitation de la mémoire et de la puissance de traitement. Cette technologie permettrait de faciliter l’expansion du monde de l’IoT tout en assurant une économie d’énergie et une amélioration de la sécurité des données. L'auteur principal est Ji Lin, étudiant au doctorat dans le laboratoire de Song Han du département de génie électrique et d'informatique du MIT. Les co-auteurs incluent Han et Yujun Lin du MIT, Wei-Ming Chen du MIT et de l'Université nationale de Taiwan, et John Cohn et Chuang Gan du MIT-IBM Watson AI Lab.