Literal Labs obtient des performances IA de 50x grâce à l’approche « Tsetlin »

Startups | 16 octobre 2024

Par Peter Clarke, A Delapalisse

Cette publication existe aussi en Français

La jeune entreprise britannique Literal Labs a publié des données de référence sur la détection des anomalies à l’aide du logiciel machine Tsetlin, qui montrent que les performances en matière d’inférence ont été multipliées par 50 environ par rapport aux meilleures solutions alternatives.

Literal Labs a mesuré les performances de l’IA sur le MLPerf Tiny Benchmark de MLCommons en utilisant l’ensemble de données ToyADMOS, qui se concentre sur l’identification des irrégularités dans les données audio. La détection d’anomalies dans les données audio est souvent un élément fondamental de la maintenance préventive.

Le modèle de logiciel d’IA basé sur la machine Tsetlin a été exécuté sur un microcontrôleur 32 bits ARM standard et des comparaisons ont été faites avec d’autres modèles de logiciels d’IA sur le même matériel. Le résultat est que le modèle de Literal Labs surpasse l’état de l’art actuel sur le même matériel en utilisant 52 fois moins d’énergie et en obtenant des résultats d’inférence précis 54 fois plus rapidement, a déclaré l’entreprise.

Literal Labs (Newcastle-upon-Tyne, Angleterre) est le nom commercial de Mignon Technologies Ltd., fondée en 2023 par le professeur Alex Yakovlev et le professeur Rishad Shafik, tous deux universitaires à l’université de Newcastle.

Former Arm executives join ‘Tsetlin machine’ startup

Une machine de Tsetlin est un type d’automate d’apprentissage basé sur la logique propositionnelle. Ces « machines » logiques d’apprentissage du comportement sont connues dans le monde universitaire pour leur compacité par rapport aux approches de réseaux neuronaux. Literal Labs affirme que cette approche convient parfaitement à l’IA de pointe sur des MCU économiques à faible consommation.

Literal Labs construit des modèles logiciels sur une combinaison de machines Tsetlin et d’algorithmes de vote alliés à la binarisation et à la compression. Dans le cas du benchmark, cela a permis d’atteindre une taille de code de 7,29 koctets et est à l’origine de l’augmentation de 50 fois des performances.

L’entreprise a testé son modèle en utilisant la carte de développement NUCLEO-STMH7A3ZI-Q, qui comporte un microcontrôleur 32 bits RISC ARM Cortex-M7.

« Ces résultats reflètent notre volonté de résoudre les problèmes critiques de l’industrie tout en minimisant les coûts et l’impact environnemental typiques des solutions basées sur l’IA », a déclaré Leon Fedden, directeur technique de Literal Labs, dans un communiqué. « Cela change la donne pour la maintenance prédictive dans des secteurs allant de la fabrication à la logistique, où les temps d’arrêt sont coûteux et où l’efficacité est primordiale », a-t-il ajouté.

L’entreprise a publié un livre blanc détaillant l’analyse comparative, disponible sur son site web.