Google asertas, ke ĝia AI estas pli rapida en blato-projektado

Google asertas, ke ĝi disvolviĝis programaro de artefarita inteligenteco kapabla desegni komputilajn pecetojn pli rapide ol homoj. En artikolo publikigita antaŭ kelkaj tagoj, Google asertas, ke blato, kiu bezonus homojn monate projekti, povas esti imagita per sia nova IA en malpli ol ses horoj.

Artefarita inteligento jam estis uzata por disvolvi la plej novan ripeton de la blatoj Tensila Pretiga Unuo (TPU) de Google, kiuj estas uzataj por plenumi taskojn rilatajn al artefarita inteligenteco, Google diris. Google-inĝenieroj diris, ke la antaŭeniĝo povus havi "gravajn implicojn" por la semikonduktaĵa industrio.

Esence temas pri ekscii, kie eroj kiel la CPU kaj GPU-kernoj kaj memoro estas metitaj unu kontraŭ la alia sur la blato. Ilia loko sur ĉi tiuj malgrandaj tabuloj gravas ĉar ĝi influas la elektrokonsumon kaj prilaboran rapidon de la blato; la drataro kaj signal-vojigo necesaj por konekti ĉion gravegas.

Google-inĝenieroj Azalia Mirhoseini kaj Anna Goldie, kune kun siaj kolegoj, priskribas en sia eldono profundan plifortigan lernan sistemon kapablan krei "bazajn ŝablonojn" en malpli ol ses horoj, dum kelkfoje necesas monatoj.

Alivorte, Google uzas artefaritan inteligentecon por desegni blatojn uzeblajn por krei eĉ pli kompleksajn sistemojn de artefarita inteligenteco.

Similaj sistemoj ankaŭ povas venki homojn en kompleksaj ludoj kiel irado kaj ŝako. En ĉi tiuj scenaroj, la algoritmoj estas trejnitaj por movi pecojn, kiuj pliigas viajn ŝancojn gajni la ludon, sed en la kahela scenaro, la AI estas trejnita por trovi la plej bonan kombinaĵon de komponantoj por fari ĝin kiel eble plej efika en la ludo.

La neŭrala reto ankaŭ uzas iujn teknikojn kiuj iam estis konsiderataj de la semikonduktaĵa industrio, sed forlasitaj kiel sakstratoj. Laŭ la artikolo, la artefarita inteligenteco-sistemo ricevis 10.000 XNUMX skizojn por blatoj por "lerni" kio funkcias kaj kio ne.

"Nia aliro estis uzata por desegni la sekvan generacion de la akceliloj de AI de Google kaj havas la eblon ŝpari milojn da horoj da homa penado por ĉiu nova generacio," skribis la inĝenieroj. "Finfine ni kredas, ke pli potenca aparataro dizajnita de AI funkciigos la progreson de AI, kreante simbiozan rilaton inter la du kampoj."

Laŭ la artikolo, kiam vi projektas mikroprocesilon aŭ laborŝarĝan akcelilon, kutime necesas difini kiel ĝiaj subsistemoj funkcias en altnivela lingvo, kiel VHDL, SystemVerilog, aŭ eble eĉ Ĉizilo.

Ĉi tiu kodo eventuale tradukiĝos al tio, kio estas nomata retlisto, kiu priskribas kiel aro de makroblokoj kaj normaj ĉeloj devas esti konektitaj per dratoj por plenumi la funkciojn de la blato.

Normaj ĉeloj enhavas bazajn elementojn kiel logikajn pordojn NAND kaj NOR, dum makroblokoj enhavas aron de normaj ĉeloj aŭ aliaj elektronikaj komponantoj destinitaj por plenumi specialan funkcion, kiel ekzemple provizi sur-blatan memoron aŭ procesoran kernon. Tial la makroblokoj estas multe pli grandaj ol normaj ĉeloj.

Tiam vi devas elekti kiel organizi ĉi tiun liston de ĉeloj kaj makroblokoj sur la blato. Laŭ Google-dungitoj, homaj inĝenieroj povas daŭri semajnojn aŭ eĉ monatojn por labori per specialaj iloj-projektado de iloj kaj ripeti multajn fojojn por akiri optimumigitan planon bazitan sur bezonoj de elektrokonsumo, tempo, rapideco, ktp.

Kio kutime okazas en ĉi tiu procezo estas, ke la loko de la grandaj makroblokoj devas esti ŝanĝita laŭ la disvolviĝo. Kaj tiam vi devas lasi la aŭtomatajn ilojn, kiuj uzas neinteligentajn algoritmojn, fali en la amason da pli malgrandaj normaj ĉeloj, kaj poste purigi kaj ripeti ĝis vi finos, diras la dokumento.

Por plirapidigi ĉi tiun skeman projektan paŝon, specialistoj pri artefarita inteligenteco de Google kreis konvolutan neŭralan retan sistemon, kiu memstare plenumas makro-blokan lokon post kelkaj horoj por atingi optimuman projektadon.

Normaj ĉeloj aŭtomate metas en malplenajn spacojn per alia programaro, laŭ la artikolo. Ĉi tiu maŝina lernada sistemo devus povi produkti idealan diagramon multe pli rapide kaj pli bone ol la homa inĝeniera metodo uzante tradiciajn aŭtomatajn ilojn en la industrio, Google-dungitoj klarigis en sia artikolo.

Fonto: https://www.theregister.com/


La enhavo de la artikolo aliĝas al niaj principoj de redakcia etiko. Por raporti eraron alklaku Ĉi tie.

Estu la unua por komenti

Lasu vian komenton

Via retpoŝta adreso ne estos eldonita. Postulita kampojn estas markita per *

*

*

  1. Respondeculo pri la datumoj: Miguel Ángel Gatón
  2. Celo de la datumoj: Kontrola SPAM, administrado de komentoj.
  3. Legitimado: Via konsento
  4. Komunikado de la datumoj: La datumoj ne estos komunikitaj al triaj krom per laŭleĝa devo.
  5. Stokado de datumoj: Datumbazo gastigita de Occentus Networks (EU)
  6. Rajtoj: Iam ajn vi povas limigi, retrovi kaj forigi viajn informojn.