تدعي Google أنها طورت برنامج ذكاء اصطناعي قادر على تصميم رقائق كمبيوتر أسرع من البشر. في مقال نُشر قبل أيام قليلة ، تدعي Google أن رقاقة تستغرق شهورًا لتصميمها يمكن تخيلها بواسطة الذكاء الاصطناعي الجديد الخاص بها في أقل من ست ساعات.
الذكاء الاصطناعي تم استخدامه بالفعل لتطوير أحدث نسخة من الرقائق وحدة معالجة الموتر (TPU) من Google، والتي تُستخدم لأداء المهام المتعلقة بالذكاء الاصطناعي ، حسبما قالت Google. وقال مهندسو جوجل إن التقدم قد يكون له "تداعيات كبيرة" على صناعة أشباه الموصلات.
بشكل أساسي ، يتعلق الأمر بمعرفة مكان وضع مكونات مثل CPU و GPU والذاكرة مقابل بعضها البعض على الشريحة. يعد موقعها على هذه اللوحات الصغيرة مهمًا لأنه يؤثر على استهلاك الطاقة وسرعة معالجة الشريحة ؛ يعتبر توجيه الأسلاك والإشارة المطلوب لتوصيل كل شيء ذا أهمية كبيرة.
يصف مهندسا Google Azalia Mirhoseini و Anna Goldie ، جنبًا إلى جنب مع زملائهما ، في منشوراتهم نظامًا تعليميًا معززًا عميقًا قادرًا على إنشاء "أنماط أساسية" في أقل من ست ساعات ، بينما يستغرق أحيانًا شهورًا.
وبعبارة أخرى، تستخدم Google الذكاء الاصطناعي لتصميم شرائح يمكن استخدامها لإنشاء أنظمة ذكاء اصطناعي أكثر تطوراً.
يمكن للأنظمة المماثلة أيضًا التغلب على البشر في ألعاب معقدة مثل go and chess. في هذه السيناريوهات ، يتم تدريب الخوارزميات على تحريك القطع التي تزيد من فرصك في الفوز باللعبة ، ولكن في سيناريو البلاط ، يتم تدريب الذكاء الاصطناعي على العثور على أفضل مجموعة من المكونات لتكون فعالة قدر الإمكان في اللعبة.
تستخدم الشبكة العصبية أيضًا بعض التقنيات التي كانت تعتبرها صناعة أشباه الموصلات ذات يوم ، ولكنها تم التخلي عنها باعتبارها طرقًا مسدودة. وفقًا للمقال ، تلقى نظام الذكاء الاصطناعي 10.000 مخطط للرقائق "لمعرفة" ما يصلح وما لا يصلح.
كتب المهندسون: "تم استخدام نهجنا لتصميم الجيل التالي من مسرعات الذكاء الاصطناعي من Google ولديه القدرة على توفير آلاف الساعات من الجهد البشري لكل جيل جديد". "في النهاية ، نعتقد أن الأجهزة الأكثر قوة المصممة للذكاء الاصطناعي ستدفع تقدم الذكاء الاصطناعي ، مما يخلق علاقة تكافلية بين المجالين."
وفقًا للمقال ، عند تصميم معالج دقيق أو مسرع لأعباء العمل ، من الضروري عادةً تحديد كيفية عمل أنظمته الفرعية بلغة عالية المستوى ، مثل VHDL أو SystemVerilog أو ربما الإزميل.
سيُترجم هذا الرمز في النهاية إلى ما يسمى بقائمة الشبكة ، والتي تصف كيفية توصيل مجموعة من الكتل الكبيرة والخلايا القياسية بواسطة الأسلاك لأداء وظائف الشريحة.
تحتوي الخلايا القياسية على عناصر أساسية مثل بوابات NAND و NOR المنطقيةبينما تحتوي الكتل الكبيرة على مجموعة من الخلايا القياسية أو المكونات الإلكترونية الأخرى المعدة لأداء وظيفة خاصة ، مثل توفير ذاكرة على الشريحة أو نواة معالج. لذلك ، تكون الكتل الكبيرة أكبر بكثير من الخلايا القياسية.
ثم عليك أن تختار كيفية تنظيم هذه القائمة من الخلايا والكتل الكبيرة على الشريحة. وفقًا لموظفي Google ، قد يستغرق الأمر من المهندسين البشريين أسابيع أو حتى أشهر للعمل باستخدام أدوات تصميم الرقائق المتخصصة والتكرار عدة مرات للحصول على خطة محسّنة بناءً على احتياجات استهلاك الطاقة والتوقيت والسرعة وما إلى ذلك.
ما يحدث عادة في هذه العملية هو أنه يجب تغيير موقع الكتل الكبيرة الكبيرة مع تطور التصميم. وبعد ذلك عليك أن تدع الأدوات الآلية ، التي تستخدم خوارزميات غير ذكية ، تسقط العديد من الخلايا القياسية الأصغر ، ثم تنظف وتكرر حتى تنتهي ، كما يقول الطبيب.
لتسريع هذه الخطوة في التصميم التخطيطي للشرائح ، أنشأ متخصصو الذكاء الاصطناعي في Google نظام شبكة عصبية تلافيفية ينفذ وضع الكتلة الكلية بمفرده في غضون ساعات قليلة لتحقيق التصميم الأمثل.
وفقًا للمقال ، يتم وضع الخلايا القياسية تلقائيًا في مساحات فارغة بواسطة برامج أخرى. نظام التعلم الآلي هذا يجب أن تكون قادرة على إنتاج مخطط مثالي أسرع بكثير وأفضل من طريقة المهندسين البشريين باستخدام الأدوات الآلية التقليدية في الصناعة ، أوضح موظفو Google في مقالتهم.
مصدر: https://www.theregister.com/