Эксперты говорят, что искусственный интеллект (ИИ) лучше и быстрее выполняет «планирование этажа», поскольку размещает большее количество списков соединений для микросхем. В недавно опубликованной статье ученые из Google Research и группа разработчиков микросхем и инфраструктуры Google описали технологию искусственного интеллекта, которая позволяет проектировать компьютерные микросхемы менее чем за шесть часов, что во много раз быстрее, чем то время, которое требуются на аналогичную работу специалистам.
В конце концов это должно было случиться. Искусственный интеллект пришел на смену людям. Дело дошло до конструкции полупроводниковых чипов. Очень скоро эти алгоритмы ИИ будут проектировать наши тостеры, наши телевизоры, наши компьютеры, наши автомобили и, возможно, даже медицинское оборудование. Но согласно новому исследованию, Google разработал искусственный интеллект, который, по его словам, способен создавать компьютерные чипы «менее чем за шесть часов».
Британская Daily Mail сообщила, что в исследовании, опубликованном в Nature, отмечается, что людям могут потребоваться «месяцы», чтобы разработать специализированные микросхемы для своих блоков тензорной обработки – типа микросхем, используемых в ИИ, – но алгоритм обучения с подкреплением (RL) далек от совершенства. «Агент RL становится лучше и быстрее при «оптимизации планирования этажа», поскольку он размещает большее количество списков соединений для микросхем», – пишут исследователи в своем эссе.
По словам Google, ИИ уже использовался для разработки следующей итерации чипов блоков тензорной обработки Google, которые используются для выполнения задач, связанных с ИИ. «Наш метод был использован в производстве для разработки следующего поколения Google TPU», – написали авторы статьи во главе с руководителями Google по машинному обучению.
Другими словами, Google использует ИИ для разработки микросхем, которые можно использовать для создания еще более сложных систем ИИ, сообщает CNBC . В частности, новый ИИ Google может составить «план этажа» чипа. По сути, это включает в себя отображение того, где компоненты, такие как процессоры, графические процессоры и память, размещаются на кремниевом кристалле по отношению друг к другу – их расположение на этих миниатюрных платах важно, поскольку оно влияет на энергопотребление чипа и скорость обработки.
Исследователи использовали набор данных из 10000 макетов микросхем для загрузки модели машинного обучения, которая затем была обучена с помощью обучения «с закреплением». Выяснилось, что всего за шесть часов модель может создать конструкцию, оптимизирующую размещение различных компонентов на кристалле, чтобы создать окончательную компоновку, удовлетворяющую эксплуатационным требованиям, таким как скорость обработки и энергоэффективность.
Инженеры Google отметили в документе, что этот прорыв может иметь «серьезные последствия» для полупроводникового сектора. Главный специалист по искусственному интеллекту в Facebook Янн ЛеКун назвал это исследование «очень хорошей работой» в Твиттере, добавив, что «это именно та обстановка, в которой RL сияет». В редакционной статье Nature этот прорыв был назван «важным достижением», которое «будет огромным подспорьем в ускорении цепочки поставок». Однако в журнале говорится, что «необходимо широко распространять технический опыт, чтобы «экосистема» компаний стала по-настоящему глобальной».
Современные микросхемы содержат миллиарды различных компонентов, размещенных и соединенных на куске кремния размером с ноготь, сообщает ZDNet.com. Например, один процессор обычно содержит десятки миллионов логических вентилей, также называемых стандартными ячейками, и тысячи блоков памяти, известных как макроблоки, которые затем необходимо соединить вместе. Размещение стандартных ячеек и макроблоков на микросхеме имеет решающее значение для определения того, насколько быстро сигналы могут передаваться на микросхеме и, следовательно, насколько эффективным будет конечное устройство. Вот почему большая часть работы инженеров сосредоточена на оптимизации компоновки микросхемы.
Количество возможных макетов макроблоков колоссально: по мнению исследователей, есть потенциальные десять в степени 2500 различных конфигураций, которые можно протестировать, то есть 2500 нулей после единицы. Более того, после того, как инженер придумал схему, вполне вероятно, что ему впоследствии придется настраивать и корректировать конструкцию по мере добавления стандартных ячеек и проводки. На это нужно время – каждая итерация может занять до нескольких недель.
Учитывая кропотливую сложность планирования этажа, весь процесс должен быть пригодным для автоматизации. Тем не менее, в течение нескольких десятилетий исследователям не удавалось придумать технологию, которая могла бы снять с инженеров бремя планирования этажей.
И задача становится все сложнее. Часто цитируемый закон Мура предсказывает, что количество транзисторов на микросхеме удваивается каждый год – это означает, что инженеры сталкиваются с уравнением, которое экспоненциально растет со временем, но при этом все еще вынуждены соблюдать жесткие графики. Вот почему очевидно успешная попытка Google автоматизировать планирование этажей может изменить правила игры.
DAVE MAKICHUK
Источники: The Daily Mail, CNBC, Nature, ZDNet.com , TechGraByte.com.
