Présentation de l'initiative

Nvidia, sous la direction de son PDG Jensen Huang, a lancé une initiative pour cibler le marché japonais de l'IA industrielle. Cette démarche s'inscrit dans le cadre d'un partenariat avec les géants de l'industrie japonaise, tels que Toyota, Fanuc et Yaskawa, pour développer des solutions d'IA pour les usines et les robots.

Contexte technique

L'initiative repose sur l'utilisation des processeurs Nvidia pour développer des modèles d'IA capables de gérer les tâches industrielles. Le gouvernement japonais a alloué un budget de 1 trillion de yens (environ 6,2 milliards de dollars) pour financer ce projet, qui vise à créer une usine d'IA nationale, appelée Noetra. Cette usine sera équipée de processeurs Nvidia de nouvelle génération, notamment les Vera CPUs et les Rubin GPUs, pour former des modèles d'IA de grande échelle.

Implications et limites

L'objectif de cette initiative est de rendre le Japon indépendant en matière d'IA et de réduire sa dépendance à l'égard des infrastructures américaines et chinoises. Cependant, il est important de noter que les processeurs Nvidia utilisés dans ce projet sont encore d'origine américaine, ce qui soulève des questions sur la souveraineté technologique du Japon. De plus, le développement de modèles d'IA de grande échelle nécessite des quantités importantes de données et de calcul, ce qui pourrait poser des défis en termes de scalabilité et de sécurité.

Architecture et fonctionnement

Le projet Noetra prévoit de développer des modèles d'IA en trois étapes : un modèle de raisonnement basé sur les compétences en langue japonaise, un modèle omni-modal capable de gérer les textes, les images, les vidéos et les audio, et un modèle d'IA « native » capable de gérer les robots. Les partenaires industriels japonais, tels que Toyota et Fanuc, seront chargés de développer des applications concrètes à partir de ces modèles d'IA. Le code suivant illustre le fonctionnement de l'architecture Noetra : 

import numpy as np
from tensorflow import keras
# Définition du modèle d'IA
model = keras.Sequential([
   keras.layers.Dense(64, activation='relu', input_shape=(784,)),
   keras.layers.Dense(32, activation='relu'),
   keras.layers.Dense(10, activation='softmax')
])