Google behauptet, entwickelt zu haben eine Software von Künstliche Intelligenz, die Computerchips schneller als Menschen entwickeln kann. In einem vor wenigen Tagen veröffentlichten Artikel behauptet Google, dass sich ein Chip, für dessen Entwicklung der Mensch Monate brauchen würde, von seiner neuen KI in weniger als sechs Stunden vorgestellt werden kann.
Künstliche Intelligenz wurde bereits verwendet, um die neueste Iteration der Chips zu entwickeln Spanner-Verarbeitungseinheit (TPU) von Google, die verwendet werden, um Aufgaben im Zusammenhang mit künstlicher Intelligenz auszuführen, sagte Google. Google-Ingenieure sagten, der Fortschritt könnte "große Auswirkungen" auf die Halbleiterindustrie haben.
Im Wesentlichen geht es darum herauszufinden, wo Komponenten wie die CPU- und GPU-Kerne und der Speicher auf dem Chip gegeneinander platziert sind. Ihre Position auf diesen kleinen Platinen ist wichtig, da sie den Stromverbrauch und die Verarbeitungsgeschwindigkeit des Chips beeinflusst; Die Verkabelung und Signalführung, die für die Verbindung von allem erforderlich sind, sind von großer Bedeutung.
Die Google-Ingenieure Azalia Mirhoseini und Anna Goldie beschreiben in ihrer Veröffentlichung zusammen mit ihren Kollegen ein Deep Reinforcement Learning-System, das in der Lage ist, "Grundmuster" in weniger als sechs Stunden zu erstellen, was manchmal Monate dauert.
Mit anderen Worten, Google verwendet künstliche Intelligenz, um Chips zu entwickeln, mit denen noch ausgefeiltere Systeme für künstliche Intelligenz erstellt werden können.
Ähnliche Systeme können auch Menschen in komplexen Spielen wie Go und Schach schlagen. In diesen Szenarien werden die Algorithmen darauf trainiert, Teile zu bewegen, die Ihre Gewinnchancen erhöhen, aber im Kachel-Szenario wird die KI darauf trainiert, die beste Kombination von Komponenten zu finden, um sie im Spiel so effizient wie möglich zu gestalten.
Das neuronale Netz verwendet auch einige Techniken die einst von der Halbleiterindustrie betrachtet, aber als Sackgassen aufgegeben wurden. Dem Artikel zufolge erhielt das System der künstlichen Intelligenz 10.000 Blaupausen für Chips, um zu „lernen“, was funktioniert und was nicht.
„Unser Ansatz wurde verwendet, um die nächste Generation der KI-Beschleuniger von Google zu entwickeln und hat das Potenzial, Tausende von Stunden menschlicher Arbeit für jede neue Generation einzusparen“, schreiben die Ingenieure. „Letztendlich glauben wir, dass leistungsfähigere KI-entwickelte Hardware den Fortschritt der KI vorantreiben und eine symbiotische Beziehung zwischen den beiden Bereichen schaffen wird.“
Dem Artikel zufolge ist es beim Entwurf eines Mikroprozessors oder eines Workload-Beschleunigers normalerweise notwendig, die Funktionsweise seiner Subsysteme in einer Hochsprache wie VHDL, SystemVerilog oder vielleicht sogar Chisel zu definieren.
Dieser Code wird schließlich in eine sogenannte Netzliste übersetzt, die beschreibt, wie ein Satz von Standard-Makroblöcken und -Zellen durch Drähte verbunden werden muss, um die Funktionen des Chips auszuführen.
Standardzellen enthalten Grundelemente wie NAND- und NOR-Logikgatterwohingegen Makroblöcke einen Satz von Standardzellen oder anderen elektronischen Komponenten enthalten, die eine spezielle Funktion erfüllen sollen, wie beispielsweise das Bereitstellen eines On-Chip-Speichers oder eines Prozessorkerns. Daher sind die Makroblöcke viel größer als Standardzellen.
Dann müssen Sie wählen, wie diese Liste von Zellen und Makroblöcken auf dem Chip organisiert werden soll. Laut Google-Mitarbeitern kann es Wochen oder sogar Monate dauern, bis Ingenieure mit speziellen Chip-Design-Tools arbeiten und viele Iterationen durchführen, um einen optimierten Plan basierend auf den Anforderungen an Stromverbrauch, Timing, Geschwindigkeit usw. zu erhalten.
Was normalerweise bei diesem Prozess passiert, ist, dass die Position der großen Makroblöcke mit der Entwicklung des Designs geändert werden muss. Und dann müssen Sie die automatisierten Tools, die unintelligente Algorithmen verwenden, in die Vielzahl der kleineren Standardzellen fallen lassen und dann reinigen und wiederholen, bis Sie fertig sind, sagt der Doc.
Um diesen Schritt des Chipschemadesigns zu beschleunigen, haben die Spezialisten für künstliche Intelligenz von Google ein konvolutionelles neuronales Netzwerksystem entwickelt, das die Platzierung von Makroblöcken in wenigen Stunden selbstständig durchführt, um ein optimales Design zu erzielen.
Standardzellen werden laut Artikel von anderer Software automatisch in Leerräume platziert. Dieses maschinelle Lernsystem es sollte in der Lage sein, ein ideales Diagramm viel schneller und besser zu erstellen als die Methode der menschlichen Ingenieure mit traditionellen automatisierten Tools in der Branche, erklärten Google-Mitarbeiter in ihrem Artikel.
Quelle: https://www.theregister.com/