Google mengklaim telah mengembangkan perangkat lunak dari kecerdasan buatan yang mampu merancang chip komputer lebih cepat dari manusia. Dalam sebuah artikel yang diterbitkan beberapa hari yang lalu, Google mengklaim bahwa sebuah chip yang membutuhkan waktu berbulan-bulan untuk dirancang oleh manusia dapat dibayangkan oleh AI barunya dalam waktu kurang dari enam jam.
Kecerdasan buatan telah digunakan untuk mengembangkan iterasi terbaru dari chip Unit Pemrosesan Tensioner (TPU) oleh Google, yang digunakan untuk melakukan tugas terkait kecerdasan buatan, kata Google. Insinyur Google mengatakan kemajuan itu bisa memiliki "implikasi besar" bagi industri semikonduktor.
Pada dasarnya, ini tentang mencari tahu di mana komponen seperti inti CPU dan GPU dan memori ditempatkan satu sama lain pada chip. Lokasi mereka di papan kecil ini penting karena mempengaruhi konsumsi daya dan kecepatan pemrosesan chip; pengkabelan dan perutean sinyal yang diperlukan untuk menghubungkan semuanya sangat penting.
Insinyur Google Azalia Mirhoseini dan Anna Goldie, bersama rekan-rekan mereka, menjelaskan dalam publikasi mereka sistem pembelajaran penguatan mendalam yang mampu menciptakan "pola dasar" dalam waktu kurang dari enam jam, sementara kadang-kadang membutuhkan waktu berbulan-bulan.
Dengan kata lain, Google menggunakan kecerdasan buatan untuk merancang chip yang dapat digunakan untuk membuat sistem kecerdasan buatan yang lebih canggih.
Sistem serupa juga dapat mengalahkan manusia dalam permainan kompleks seperti go dan chess. Dalam skenario ini, algoritme dilatih untuk memindahkan potongan yang meningkatkan peluang Anda untuk memenangkan permainan, tetapi dalam skenario ubin, AI dilatih untuk menemukan kombinasi komponen terbaik untuk menjadi seefisien mungkin dalam permainan.
Jaringan saraf juga menggunakan beberapa teknik yang pernah dianggap oleh industri semikonduktor, tetapi ditinggalkan sebagai jalan buntu. Menurut artikel itu, sistem kecerdasan buatan menerima 10.000 cetak biru chip untuk "mempelajari" apa yang berhasil dan apa yang tidak.
"Pendekatan kami telah digunakan untuk merancang generasi berikutnya dari akselerator AI Google dan berpotensi menghemat ribuan jam kerja manusia untuk setiap generasi baru," tulis para insinyur. "Pada akhirnya, kami percaya bahwa perangkat keras yang dirancang dengan AI yang lebih kuat akan mendorong kemajuan AI, menciptakan hubungan simbiosis antara kedua bidang tersebut."
Menurut artikel tersebut, ketika merancang mikroprosesor atau akselerator beban kerja, biasanya perlu untuk menentukan bagaimana subsistemnya bekerja dalam bahasa tingkat tinggi, seperti VHDL, SystemVerilog, atau bahkan mungkin Pahat.
Kode ini pada akhirnya akan diterjemahkan ke dalam apa yang disebut netlist, yang menjelaskan bagaimana satu set makroblok dan sel standar harus dihubungkan dengan kabel untuk menjalankan fungsi chip.
Sel standar mengandung elemen dasar seperti gerbang logika NAND dan NORsedangkan macroblocks berisi satu set sel standar atau komponen elektronik lainnya yang dimaksudkan untuk melakukan fungsi khusus, seperti menyediakan memori on-chip atau inti prosesor. Oleh karena itu, macroblocks jauh lebih besar dari sel standar.
Kemudian Anda harus memilih cara mengatur daftar sel dan blok makro ini pada chip. Menurut karyawan Google, insinyur manusia memerlukan waktu berminggu-minggu atau bahkan berbulan-bulan untuk bekerja dengan alat desain chip khusus dan mengulangi berkali-kali untuk mendapatkan rencana yang dioptimalkan berdasarkan kebutuhan konsumsi daya, waktu, kecepatan, dll.
Apa yang biasanya terjadi dalam proses ini adalah bahwa lokasi dari blok makro besar harus diubah seiring dengan perkembangan desain. Dan kemudian Anda harus membiarkan alat otomatis, yang menggunakan algoritme yang tidak cerdas, memasukkan banyak sel standar yang lebih kecil, lalu membersihkan dan mengulanginya sampai Anda selesai, kata dokumen tersebut.
Untuk mempercepat langkah desain skema chip ini, spesialis kecerdasan buatan Google membuat sistem jaringan saraf konvolusi yang melakukan penempatan blok makro sendiri dalam beberapa jam untuk mencapai desain yang optimal.
Sel standar secara otomatis ditempatkan di ruang kosong oleh perangkat lunak lain, menurut artikel tersebut. Sistem pembelajaran mesin ini harus dapat menghasilkan diagram yang ideal jauh lebih cepat dan lebih baik daripada metode insinyur manusia menggunakan alat otomatis tradisional di industri, karyawan Google menjelaskan dalam artikel mereka.
sumber: https://www.theregister.com/