Des chercheurs de l’Université Bar-Ilan ont développé une méthode innovante permettant de réduire considérablement la taille et la consommation d’énergie des systèmes d’apprentissage en profondeur tout en maintenant leurs performances.

Leur étude, publiée dans Physical Review E, montre qu’une meilleure compréhension des mécanismes d’apprentissage des réseaux profonds permet d’élaguer jusqu’à 90 % des paramètres dans certaines couches, sans compromettre leur précision.

Le professeur Kanter souligne l’importance d’une compréhension approfondie des réseaux pour optimiser leur performance.

Bien que plusieurs méthodes existent déjà pour améliorer l’utilisation de la mémoire et réduire la complexité de calcul, la technique développée par cette équipe se distingue par la capacité à réduire drastiquement le nombre de paramètres tout en préservant la précision des systèmes.

Cet accord a été discuté lors d’un appel téléphonique entre le président américain Donald Trump et le président chinois Xi Jinping, après une série de tensions.

Li Chenggang, vice-ministre du Commerce chinois, a confirmé que les deux pays ont convenu de stratégies pour exécuter cet accord, conçu pour alléger les tarifs douaniers.

Les négociations visent à développer les échanges commerciaux, notamment en matière de semi-conducteurs et de minéraux rares.

Trump a exprimé son souhait d’ouvrir davantage le marché chinois aux produits américains, soulignant l’importance d’améliorer les relations entre les deux grandes puissances.

Cela complique la maîtrise de sujets complexes comme l’intelligence artificielle ou la stratégie commerciale, surtout lorsque les ressources en anglais sont prédominantes et que les traductions manquent souvent de pertinence.

NotebookLM répond à ce besoin avec une fonction de podcast audio capable de générer des résumés de contenu complexe dans plus de 75 langues.

Les utilisateurs peuvent télécharger des documents en anglais, choisir leur langue de sortie, et recevoir un podcast audio qui simplifie les idées clés.