גוגל טוענת שהתפתחה תוכנה של בינה מלאכותית המסוגלת לעצב שבבי מחשב מהר יותר מבני אדם. במאמר שפורסם לפני כמה ימים, גוגל טוענת כי שבב שייקח לבני האדם חודשים לעצב יכול להעלות על הדעת על ידי ה- AI החדש שלו תוך פחות משש שעות.
בינה מלאכותית כבר שימש לפיתוח האיטרציה האחרונה של השבבים יחידת עיבוד מתח (TPU) מאת גוגל, המשמשים לביצוע משימות הקשורות לבינה מלאכותית, אמרה גוגל. מהנדסי גוגל אמרו כי להתקדמות עשויות להיות "השלכות משמעותיות" על תעשיית המוליכים למחצה.
בעיקרו של דבר, זה להבין איפה רכיבים כמו ליבות המעבד וה- GPU והזיכרון ממוקמים זה על זה על השבב. מיקומם על לוחות קטנים אלה חשוב מכיוון שהוא משפיע על צריכת החשמל ומהירות העיבוד של השבב; יש חשיבות רבה לחיווט ולניתוב האותים הנדרשים לחיבור הכל.
מהנדסי גוגל עזליה מירהוסיני ואנה גולדי, יחד עם עמיתיהם, מתארים בפרסום מערכת למידה לחיזוק עמוק המסוגלת ליצור "דפוסים בסיסיים" בפחות משש שעות, ולפעמים זה לוקח חודשים.
במילים אחרות, גוגל משתמשת בבינה מלאכותית כדי לעצב שבבים שבאמצעותם ניתן ליצור מערכות בינה מלאכותית מתוחכמות עוד יותר.
מערכות דומות יכולות גם לנצח בני אדם במשחקים מורכבים כמו ללכת ושחמט. בתרחישים אלה מאומנים האלגוריתמים להעביר חלקים שמגדילים את הסיכויים שלך לנצח במשחק, אך בתרחיש האריחים ה- AI מאומן למצוא את השילוב הטוב ביותר של רכיבים שיהיה יעיל ככל האפשר במשחק.
הרשת העצבית משתמשת גם בכמה טכניקות שנחשבו פעם על ידי תעשיית המוליכים למחצה, אך ננטשו כמבוי סתום. על פי המאמר, מערכת הבינה המלאכותית קיבלה 10.000 שרטוטים לשבבים כדי "ללמוד" מה עובד ומה לא.
"השיטה שלנו שימשה לעיצוב הדור הבא של מאיצי ה- AI של גוגל ויש בה פוטנציאל לחסוך אלפי שעות של מאמץ אנושי לכל דור חדש", כתבו המהנדסים. "בסופו של דבר, אנו מאמינים כי חומרה חזקה יותר שתוכננה על ידי AI תניע את התקדמות AI, ויצרה מערכת יחסים סימביוטית בין שני התחומים."
על פי המאמר, בעת תכנון מעבד או מאיץ עומסי עבודה, בדרך כלל יש צורך להגדיר כיצד תת מערכותיו פועלות בשפה ברמה גבוהה, כגון VHDL, SystemVerilog, או אולי אפילו Chisel.
קוד זה יתורגם בסופו של דבר למה שמכונה netlist, המתאר כיצד יש לחבר קבוצה של חסימות מאקרו ותאים סטנדרטיים באמצעות חוטים בכדי לבצע את פונקציות השבב.
תאים סטנדרטיים מכילים אלמנטים בסיסיים כמו שערי לוגיקה NAND ו- NORואילו חסימות מאקרו מכילות קבוצה של תאים סטנדרטיים או רכיבים אלקטרוניים אחרים המיועדים לבצע פונקציה מיוחדת, כגון מתן זיכרון על שבב או ליבת מעבד. לכן, חסימות המאקרו הן הרבה יותר גדולות מהתאים הסטנדרטיים.
אז אתה צריך לבחור כיצד לארגן את רשימת התאים והמחסומים המאקרו על השבב. לדברי עובדי גוגל, זה יכול לקחת מהנדסים אנושיים שבועות או אפילו חודשים לעבוד עם כלים מתמחים לעיצוב שבבים, ואיתור פעמים רבות לקבל תוכנית מותאמת המבוססת על צרכים לצריכת חשמל, תזמון, מהירות וכו '.
מה שקורה לעתים קרובות בתהליך זה הוא שיש לשנות את המיקום של חסימות מאקרו גדולות עם התפתחות העיצוב. ואז אתה צריך לתת לכלים האוטומטיים, המשתמשים באלגוריתמים לא אינטליגנטיים, לזרוק את שפע התאים הסטנדרטיים הקטנים יותר, ואז לנקות ולחזור עד שתסיים, אומר הרופא.
כדי להאיץ שלב זה של תכנון סכמטי שבבים, מומחי הבינה המלאכותית של גוגל יצרו מערכת רשת עצבית סיבובית המבצעת מיקום מאקרו-בלוק בכוחות עצמה תוך מספר שעות כדי להשיג עיצוב אופטימלי.
תאים סטנדרטיים ממוקמים אוטומטית במרחבים ריקים על ידי תוכנות אחרות, על פי המאמר. מערכת למידת מכונה זו אמורה להיות מסוגלת לייצר דיאגרמה אידיאלית הרבה יותר מהירה וטובה יותר משיטת המהנדסים האנושיים תוך שימוש בכלים אוטומטיים מסורתיים בתעשייה, הסבירו עובדי גוגל במאמרם.
מקור: https://www.theregister.com/