Hvordan AI kunne bygge computerchips hurtigere

Forskere bruger kunstig intelligens til at bygge computerchips hurtigere. Insidere fra industrien siger, at indsatsen sandsynligvis vil føre til bedre chips til lavere priser for brugerne.

Google annoncerede for nylig, at det bruger kunstig intelligens til at hjælpe med at designe sin næste generation af maskinlæringschips. Efter flere års forskning giver virksomhedens AI-indsats frugt og vil blive brugt i en kommende chip beregnet til AI-beregning, ifølge en artikel offentliggjort i tidsskriftet Nature.

"Det skønne ved autonomt chipdesign er, at det markant reducerer adgangsbarrieren for virksomheder til at få adgang til kraften i AI-chips fordi der er brug for færre designere for at producere et højkvalitets og applikationsoptimeret design," Stelios Diamantidis, en seniordirektør for

Synopsys Artificial Intelligence Solutions, der producerer AI-software til chipdesign, sagde i et e-mailinterview.

"I sidste ende vil det resultere i mere bekvemmelighed, sikkerhed, automatisering og problemfri kommunikation på tværs af stort set alle aspekter af vores liv til en lavere pris og i en bredere vifte af applikationer."

Computere Bygger computere

Google bruger AI til at bygge bedre versioner af AI ved at planlægge en chips design. Softwaren finder det bedste sted at placere komponenter som CPU'er og hukommelse, hvilket er udfordrende at gøre i så små skalaer.

"Vores metode er blevet brugt i produktionen til at designe den næste generation af Google TPU," skrev forfatterne af papiret, ledet af Googles co-heads of machine learning for systems, Azalia Mirhoseini og Anna Goldie.

Google-forskere hævdede, at AI-design kunne have "store implikationer" for chipindustrien. Ifølge forskerne kan den nye Google-metode generere fabriksbare chipplaner på mindre end seks timer, der er sammenlignelige eller bedre end dem, der er lavet af eksperter i alle væsentlige detaljer, herunder ydeevne, energiforbrug og chip areal. Metoden kan spare tusindvis af timers menneskeligt arbejde for hver generation af mikrochips.

Facebooks ledende AI-forsker, Yann LeCun, roste avisen som "meget flot arbejde" på Twitter og siger "det er præcis den type omgivelser, hvor RL skinner."

Som et spil skak

At designe en chip kan tage mennesker ugers eksperimenter, sagde Diamantidis. Han sammenlignede processen med et spil skak, et område hvor AI allerede har slået mennesker.

"For at give dig en fornemmelse af kompleksiteten af ​​et typisk moderne integreret kredsløb (IC) design, overvej følgende sammenligning," tilføjede han. "I skakspillet er der omkring 10 til 123. [potens] antal stater eller potentielle løsninger; i placeringsprocessen med at designe en nuværende dags chip, er den 10 til 90.000."

Diamantidis forudser AI-design kan skubbe chip-ydeevne og energieffektivitet til mere end 1.000 gange det nuværende niveau.

"At søge i dette enorme rum er en meget arbejdskrævende indsats, der typisk kræver mange ugers eksperimentering og ofte styret af tidligere erfaringer og stammekendskab," tilføjede han. "AI-aktiveret chipdesign introducerer et nyt, generativt optimeringsparadigme, der bruger forstærkningslæringsteknologi (RL) til autonomt at søge designrum for optimale løsninger."

AI-design af chips vokser hurtigt, sagde Diamantidis. Synopsys er en førende leverandør af AI-aktiverede chipdesignværktøjer, og dets kunder er alle større halvleder- og elektronikvirksomheder i verden, hævdede han. Disse virksomheder leverer enten chips til eller udvikler mobile enheder, højtydende computersystemer og datacentre, telekommunikationsudstyr og bilapplikationer.

"Vi kan ikke nævne specifikke kunder, men i løbet af de sidste par måneder har brugere af vores AI-værktøjer været i stand til at sætte, og derefter straks slå, verden rekorder i designproduktivitet, at kunne opnå med en enkelt ingeniør på uger, hvad det plejede at tage hele teams af eksperter måneder," Diamantidis sagde.

I sidste ende vil brugerne være dem, der får gavn af bedre chipdesign, sagde Diamantidis. Han tilføjede, at "alt dette er drevet af vores ønske om at behandle flere data, automatisere mere fungerer i de produkter, vi bruger, og integrerer mere intelligens i næsten alt, hvad der rører ved vores liv."