Connect with us

Non classé

Des chercheurs identifient une faille GPU susceptible de compromettre les modèles d’IA.

Publié

on

Une équipe de chercheurs de l’Université de Toronto a mis en évidence une nouvelle vulnérabilité au sein des unités de traitement graphique (GPU), qui sont essentielles pour l’intelligence artificielle et le machine learning.

Ils ont découvert que les attaques de type « marteau », précédemment connues pour affecter les unités de traitement central (CPU), peuvent également compromettre la mémoire graphique GDDR, souvent utilisée dans les GPU.

En altérant des bits de mémoire, ces attaques peuvent gravement réduire la précision des modèles d’IA, pouvant faire chuter une performance de 80 % à 0,1 %, ce qui pose un risque important dans des domaines comme la médecine ou la finance.

Les chercheurs ont développé une méthode, appelée GPUhammer, qui cible spécifiquement la mémoire GDDR6 d’un NVIDIA RTX A6000.

Cette technique exploite les caractéristiques uniques des GPU, notamment leur capacité à exécuter plusieurs opérations à la fois, pour provoquer des erreurs dans des zones de mémoire non accessibles.

Bien qu’une solution ait été proposée par NVIDIA par le biais de codes de correction d’erreurs (ECC), celle-ci pourrait ralentir les performances d’apprentissage automatique tout en n’étant pas complètement sécurisée.

Cette étude met en lumière l’importance d’améliorer la sécurité des GPU, particulièrement dans des applications critiques.

Non classé

Une nouvelle voie pour optimiser le matériel d’IA : l’extraction de gradient Homodyne en français

Publié

on

reformule et résume totalement ce texte Une équipe dirigée par le Centre BRAINS pour le calcul inspiré du cerveau de l’Université de Twente a démontré une nouvelle façon d’adapter les matériaux électroniques d’une manière comparable à l’apprentissage automatique.

Leur étude, publiée dans Nature Communications, introduit une méthode d’apprentissage physique qui ne nécessite pas d’algorithmes logiciels tels que la rétropropagation.

La rétropropagation, la méthode d’optimisation popularisée dans les années 1980 par le prix Nobel Geoffrey Hinton et ses collègues, est au cœur de la révolution actuelle de l’IA. avec un minimum de 2 paragraphes

Continuer à lire

Non classé

L’apprentissage guidé permet d’entraîner efficacement des réseaux neuronaux autrefois jugés « impossibles à former ».

Publié

on

Des chercheurs du CSAIL du MIT ont découvert qu’il est possible d’améliorer l’apprentissage de réseaux neuronaux, même ceux historiquement perçus comme « impossibles à entraîner », grâce à une technique de guidage.

Celle-ci implique une courte phase d’alignement entre les réseaux, ce qui permet une performance accrue même pour des architectures traditionnellement jugées inadaptées aux défis contemporains.

Cette innovation souligne l’importance d’un soutien ajusté dans l’entraînement des modèles, ouvrant la voie à des applications plus larges et plus efficaces des réseaux neuronaux.

Ainsi, la méthode pourrait révolutionner notre approche des architectures intelligentes, leur permettant de s’attaquer à des tâches modernes avec une efficacité renouvelée.

Continuer à lire

Non classé

Un système de synthèse vocale génère des objets sur demande grâce à l’IA et à la robotique.

Publié

on

L’ de l’IA générative et de la robotique nous rapproche d’une nouvelle ère de création rapide d’objets sur demande.

Des chercheurs du MIT ont mis au point un système innovant capable de transformer des commandes vocales en réalité physique.

Ce processus, géré par l’IA, permet à un bras robotique de matérialiser des objets, tels que des meubles, en seulement cinq minutes.

Cette avancée technologique promet de révolutionner notre manière d’interagir avec le monde matériel.

En offrant la possibilité de produire des articles simplement par la parole, elle ouvre des perspectives fascinantes pour la personnalisation et la fabrication à la demande, bouleversant ainsi nos méthodes actuelles de production.

Continuer à lire

Populaires