То, на что у людей уходят месяцы, искусственный интеллект Google делает за шесть часов. Это заявление Google о своем искусственном интеллекте, способном разрабатывать микросхемы машинного обучения, «сопоставимые или превосходящие» созданные людьми. После многих лет экспериментов мы вскоре увидим первый коммерческий продукт в этом отношении: будущие чипы TPU от Google были разработаны ИИ.
Ни для кого не секрет, что Google использует свой ИИ для разработки чипов, оптимизированных для ИИ. Однако теперь выясняется, что они перестали экспериментировать и применили это к реальным продуктам. Они также воспользовались возможностью опубликовать в журнале Nature исследование, объясняющее развитие.
Огромное преимущество, которое ИИ, похоже, приносит в разработку микросхем, – это скорость. Согласно Google, значительная экономия времени, связанная с использованием алгоритма для проектирования вместо людей, может иметь важные последствия для отрасли. В принципе, это должно позволить ускорить итерации проектирования будущих микросхем и быстро разработать микросхемы для конкретных применений, для которых они оптимизированы.
Скорее всего, ИИ окажет влияние на планирование размещения элементов на микросхеме. По сути, этот процесс заключается в выборе места на поверхности чипа для каждого элемента (CPU, GPU, памяти…). Это важно, так как напрямую влияет на скорость и эффективность чипа в зависимости от того, насколько далеко каждый элемент находится от других.
Хотя для людей это проблема, требующая нескольких месяцев усилий, искусственный интеллект воспринимает это как игру. Он интерпретирует каждый элемент фишки как игровой элемент и стремится разместить его в наиболее удобном месте, всегда принимая во внимание все остальные элементы и множество других факторов. Через несколько часов он предлагает наиболее эффективную с точки зрения вычислений позицию набора элементов в заданном пределе.
По словам Google, для обучения ИИ он предоставил ему данные о 10 000 конструкциях микросхем все более и более низкого качества. Каждый чип был маркирован в соответствии с его качеством и с учетом таких значений, как требуемая длина проводки или энергопотребление. Таким образом, ИИ узнал, какие проекты хороши, а какие нет, а затем создал свои собственные.