Projet Trillium : ARM veut ajouter du Machine Learning dans notre quotidien

Le Machine Learning est un super levier. En ce moment, il arrive à bousculer trois choses importantes. La manière dont les machines peuvent agir de manière « autonome ». Le regard des utilisateurs. Et le portefeuille des investisseurs. En annonçant son Projet Trillium, ARM entend probablement créer un mouvement autour des trois éléments à la fois.

ARM est un concepteur de SoC, pas un fabricant. Il propose des solutions « clef en main » pour que d’autres fabriquent des puces. Les éléments les plus connus de son large portefeuille de solutions sont les Cortex et les Mali, des solutions que l’on retrouve dans tous les smartphones de la planète mais également dans des centaines de milliers d’autres produits. N’importe quel fabricant désireux de construire une puce va donc payer une licence à ARM pour utiliser ses coeurs Cortex et les associer aux circuits graphiques de son choix. Un Mali, un PowerVR ou autre. Certains modifient ces puces pour plus de performances, d’autres reprennent les recettes d’ARM à la lettre. Pour ARM, cela n’a pas d’importance, chaque puce qui sort avec un morceau issu de ses designs est une puce qui rapporte. Plus le nombre d’éléments intégrés issus de ses brevets est important, plus les royalties sont conséquentes. Un fabricant de puces qui utilise des Cortex avec un chipset Mali dans une configuration bigLITTLE est un client plus rentable qu’un autre qui utiliserait que les coeurs Cortex.

Avec l’arrivée de plus en plus de solutions de Machine Learning sur le marché, ARM doit posséder sa propre solution autonome afin de proposer une alternative à ses clients. Beaucoup de grandes marques ont commencé à travailler avec leurs propres circuits dans ce sens : Apple, Huawei, Imagination Technologies ou Qualcomm ont tous lancé des solutions de ce type ces derniers mois. Mais d’autres fabricants comme AllWinner, Mediatek  ou Amlogic qui voudraient intégrer une fonction de Machine Learning pourraient trouver dans les solutions d’ARM un développement plus économique. Enfin, il existe une foultitude de puces inconnues du grand public et développées par des sociétés plus  discrètes qui conçoivent des outils industriels qui ont besoin d’évoluer vers ce type de services pour ne pas se faire distancer

ARM propose avec Trillium une recette pour des engins de tous types, et notamment des solutions n’ayant pas forcément la possibilité de recourir à une connexion dans les nuages pour en profiter.

La première proposition est baptisée ARM ML et sera un couteau suisse de Machine Learning destiné à tout type d’engins. La seconde baptisée ARM OD est spécialisée dans la détection d’objets. Les deux sont complétées par une suite logicielle permettant d’apporter ces fonctionnalités supplémentaires à tout type d’appareils. On pense évidemment aux smartphones et aux tablettes mais le Machine Learning a également fait une entrée fracassante dans les foyers avec l’avènement des enceintes connectées type Google Home ou Amazon Alexa et leur détection de mots clés. ARM vise également la photo, la robotique, le secteur médical, la VR, les drones, l’IoT, les marchés de la logistique, de l’automobile, des data centers et tout type d’applications en terme de surveillance ou de sécurité.

ARM imagine ici un casque sous martin qui saurais reconnaître la vie sous marine et proposer des informations au néophyte. Le Vice président du Machine Learning chez ARM est un plongeur émérite.

Gros point fort de cette offre, son coût énergétique. Une solution ARM ML peut gérer 4.6 trillions d’opérations par seconde pour une dépense énergétique  de 2 watts au total. Cette dépense peut, en outre, être limitée à moins d’opérations pour un fonctionnement encore moins gourmand. Une fois l’apprentissage fait, dans un secteur aux opérations limitées, on pourrait donc imaginer baisser cette dépense en limitant le nombre d’opération effectuées par seconde.

Le Machine Learning visuel version « gentille ».

ARM OD est clairement spécialisé dans le traitement visuel. Sa détection d’objets s’opère sur un flux FullHD à un rythme de 60 images par seconde. ARM indique que la puce sait détecter des formes de 50 x 60 pixels dans ces conditions, ce qui est un exploit impressionnant et demandera des vérifications pour savoir de quelle type de détection il s’agit¹.

ARM OD détecte des visages, ARM ML détermine ensuite de qui il s’agit

Les deux pourront travailler de pair et augmenter leurs capacités en s’additionnant. Compiler plusieurs puces ARM ML pourra développer plus de calculs et après l’identification de visages avec ARM OD on pourra confier à ARM ML le soin de déterminer qui est présent sur une image. On imagine déjà l’impact de cette technologie au quotidien. Plus besoin de pointer, des caméras pourront savoir en permanence où vous vous situer dans l’entreprise en échange de quelques watts. Votre ascenseur vous proposera votre étage ou vous en refusera d’autres. Votre voiture refusera de démarrer si vous n’êtes pas le bon conducteur etc…

People Model : homme, femme, enfant, Chicard Chique.

Le panneau d’affichage numérique que vous croisez tous les matins pourra savoir si vous êtes un homme, une femme ou un enfant, de quel âge approximatif, si vous êtes souriant ou concentré. Il pourrait également, à terme, déterminer après  quelques passages, que vous êtes le porteur de ce smartphone associé à tel ou tel compte. Et proposer ainsi une publicité en rapport avec, par exemple, vos habitudes de surf.

L’arrivée de ces puces peut avoir des développements importants pour ARM qui a là un nouveau trésor à faire fructifier sur le marché. De la détection d’objet dans les centres logistiques à l’intégration de fonctions avancées au sein d’appareils photos numériques en passant par les usages dans des drones, des appareils electro-ménagers, des caméras de surveillance ou des systèmes d’alarme. Le marché est énorme et exponentiel. Et ce n’est que la partie émergée d’un iceberg de possibilités.

Les exemples donnés par ARM sont rassurants : Ici le  système de vidéo surveillance sert surtout à aider la population. Cela permet de vérifier l’état du trafic grâce à des caméras, de déterminer si il faut par exemple changer les cadences des feux ou autre. Mais également d’identifier un bagage abandonné ou aider à repérer un visage dans la foule : Ici l’exemple est un enfant disparu. Bien entendu ces usages changent du tout au tout suivant qui est le propriétaire de l’outil.

ARM indique que les nouveautés en terme de puces seront disponibles cette année mais que les premiers appareils proposant ce type de technologie ne débarqueront pas avant 2019.

ARM vise large, haut et loin pour son projet Trillium

Une date qui ne marquera probablement pas nos contemporains mais qui signera l’arrivée massive de cette pseudo intelligence artificielle dans nos vies. Une sorte de magie que l’on rencontrera d’abord dans des secteurs de production comme la logistique mais qui aura probablement rapidement un impact sur des secteurs variés comme la surveillance, la robotique et la publicité. De gré ou de force. Surtout de force.

Note : L’illustration de  ce billet est issue de la communication de la marque. On peut le voir comme une allégorie de la célèbre Chapelle Sixtine où Dieu touche du doigt Adam même si il y a quelque chose d’assez flippant à imaginer que ce dieu serait un robot. On peut également voir cette main tendue comme une aide que la machine proposerait à l’homme. Personnellement, j’ai plutôt tendance à imaginer que demain on pourra jouer à Pierre-papier-ciseaux avec des robots grâce à la reconnaissance visuelle.

1. Au niveau d’un jeu de forme pour enfants ou de l’identification effective d’un objet