Jak sztuczna inteligencja może szybciej budować chipy komputerowe

Naukowcy wykorzystują sztuczną inteligencję do szybszego budowania chipów komputerowych. Znawcy branży twierdzą, że wysiłek ten prawdopodobnie doprowadzi do lepszych chipów po niższych cenach dla użytkowników.

Google ogłosił niedawno, że wykorzystuje sztuczną inteligencję do projektowania nowej generacji układów do uczenia maszynowego. Po latach badań wysiłki firmy w zakresie AI przynoszą efekty i zostaną wykorzystane w nadchodzącym chipie przeznaczonym do obliczeń AI, zgodnie z artykuł opublikowany w czasopiśmie Nature.

„Piękno projektowania autonomicznych chipów polega na tym, że znacznie zmniejsza barierę wejścia dla firm, aby uzyskać dostęp do mocy chipów AI ponieważ potrzeba mniejszej liczby projektantów, aby stworzyć projekt wysokiej jakości i zoptymalizowany pod kątem zastosowania”, Stelios Diamantidis, starszy dyrektor

Synopsys Rozwiązania sztucznej inteligencji, który produkuje oprogramowanie AI do projektowania układów, powiedział w wywiadzie e-mail.

„Ostatecznie zaowocuje to większą wygodą, bezpieczeństwem, automatyzacją i bezproblemową komunikacją w prawie każdym aspekcie naszego życia przy niższych kosztach i w szerszej gamie zastosowań”.

Komputery Komputery budowlane

Google wykorzystuje sztuczną inteligencję do tworzenia lepszych wersji sztucznej inteligencji, planując projekt chipa. Oprogramowanie znajduje najlepsze miejsce na umieszczenie komponentów, takich jak procesory i pamięć, co jest trudne do wykonania w tak małej skali.

„Nasza metoda została wykorzystana w produkcji do zaprojektowania następnej generacji Google TPU” – napisali autorzy artykułu, kierowanego przez współkierowników Google ds. uczenia maszynowego dla systemów, Azalia Mirhoseini i Anna Złoto.

Badacze Google twierdzili, że projektowanie sztucznej inteligencji może mieć „poważne implikacje” dla branży chipów. Według naukowców nowa metoda Google może generować gotowe do produkcji plany chipów w mniej niż sześć godzin, które są porównywalne lub lepsze od tych wykonanych przez ekspertów we wszystkich istotnych szczegółach, w tym wydajności, zużyciu energii i chipie powierzchnia. Metoda ta może zaoszczędzić tysiące godzin ludzkiej pracy na każdą generację mikrochipów.

Główny naukowiec Facebooka zajmujący się sztuczną inteligencją, Yann LeCun, pochwalił gazetę jako „bardzo fajna robota” na Twitterze, mówiąca „to jest dokładnie ten rodzaj otoczenia, w którym błyszczy RL”.

Jak gra w szachy

Zaprojektowanie chipa może zająć ludziom tygodnie eksperymentów, powiedział Diamantidis. Porównał ten proces do gry w szachy, obszaru, w którym sztuczna inteligencja już pokonała ludzi.

„Aby dać ci poczucie złożoności typowego nowoczesnego projektu układu scalonego (IC), rozważ następujące porównanie” – dodał. „W grze w szachy jest około 10 do 123 [władzy] liczby stanów lub potencjalnych rozwiązań; w procesie plasowania przy projektowaniu żetonów na bieżący dzień jest to 10 do 90 000.”

Diamantidis przewiduje, że projekty AI mogą podnieść wydajność chipów i efektywność energetyczną do ponad 1000-krotnie wyższych poziomów.

„Przeszukiwanie tej ogromnej przestrzeni jest bardzo pracochłonnym wysiłkiem, zwykle wymagającym wielu tygodni eksperymentów i często kierowanego przeszłymi doświadczeniami i wiedzą plemienną” – dodał. „Projekt chipów z obsługą sztucznej inteligencji wprowadza nowy, generatywny paradygmat optymalizacji, który wykorzystuje technologię uczenia się przez wzmocnienie (RL) do autonomicznego wyszukiwania przestrzeni projektowych w celu uzyskania optymalnych rozwiązań”.

Projekt chipów AI szybko się rozwija, powiedział Diamantidis. Synopsys jest wiodącym dostawcą narzędzi do projektowania układów scalonych obsługujących sztuczną inteligencję, a jego klientami są każda większa firma półprzewodnikowa i elektroniczna na świecie, twierdził. Firmy te dostarczają chipy lub opracowują urządzenia mobilne, wysokowydajne systemy obliczeniowe i centra danych, sprzęt telekomunikacyjny i aplikacje motoryzacyjne.

„Nie możemy wymienić konkretnych klientów, ale zaledwie w ciągu ostatnich kilku miesięcy użytkownicy naszych narzędzi AI byli w stanie ustawić, a następnie natychmiast pokonać świat rekordy w produktywności projektowania, będąc w stanie osiągnąć z jednym inżynierem w ciągu tygodni to, co wcześniej zajmowało całym zespołom ekspertów miesiące” Diamantidis powiedział.

Ostatecznie, użytkownicy będą tymi, którzy skorzystają z lepszych projektów chipów, powiedział Diamantidis. Dodał, że „wszystko to wynika z chęci przetwarzania większej ilości danych, większej automatyzacji funkcje w używanych przez nas produktach i integrują większą inteligencję w prawie wszystkim, co dotyka nasze życia."