Matériel semblable au cerveau, en avons-nous besoin ?

La capacité du cerveau à effectuer un traitement de données efficace et tolérant aux pannes est fortement liée à son architecture adaptative interconnectée et particulière, basée sur des circuits neuronaux redondants interagissant à différentes échelles. En imitant les mécanismes de traitement et d'apprentissage du cerveau, les technologies informatiques s'efforcent d'atteindre des niveaux plus élevés d'efficacité énergétique et de performance computationnelle. Bien que des efforts aient été déployés pour aborder des solutions neuromorphiques par le biais de matériel basé sur des technologies CMOS descendantes qui ont obtenu des résultats intéressants en termes d'amélioration de l'efficacité énergétique, la réplication des architectures auto-assemblées et redondantes du cerveau n'est pas considérée dans les feuilles de route de l'électronique de traitement des données. L'exploration de solutions basées sur des blocs élémentaires auto-assemblés pour imiter la complexité des réseaux biologiques est étudiée dans le cadre général de l'informatique non conventionnelle et n'a pas encore atteint un stade de maturité permettant un comparatif avec les approches électroniques standard en termes de performances, de compatibilité et d'évolutivité. Ici, nous discutons de certains aspects liés aux avantages et inconvénients de l'émulation du cerveau pour le matériel neuromorphique. Nous abordons également des pistes possibles en termes de solutions matérielles hybrides où des substrats auto-assemblés coexistent et s'intègrent avec l'électronique conventionnelle en vue des architectures neuromorphiques.