ಗೂಗಲ್ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ ಎಂದು ಹೇಳಿಕೊಂಡಿದೆ ನ ಸಾಫ್ಟ್‌ವೇರ್ ಕಂಪ್ಯೂಟರ್ ಚಿಪ್‌ಗಳನ್ನು ಮನುಷ್ಯರಿಗಿಂತ ವೇಗವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ. ಕೆಲವು ದಿನಗಳ ಹಿಂದೆ ಪ್ರಕಟವಾದ ಲೇಖನವೊಂದರಲ್ಲಿ, ಗೂಗಲ್ ವಿನ್ಯಾಸಗೊಳಿಸಲು ಮನುಷ್ಯರಿಗೆ ತಿಂಗಳುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಚಿಪ್ ಅನ್ನು ಅದರ ಹೊಸ ಎಐನಿಂದ ಆರು ಗಂಟೆಗಳಿಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ ಕಲ್ಪಿಸಿಕೊಳ್ಳಬಹುದು ಎಂದು ಹೇಳಿಕೊಂಡಿದೆ.
ಕೃತಕ ಬುದ್ಧಿವಂತಿಕೆ ಚಿಪ್‌ಗಳ ಇತ್ತೀಚಿನ ಪುನರಾವರ್ತನೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಈಗಾಗಲೇ ಬಳಸಲಾಗಿದೆ ಟೆನ್ಷನರ್ ಸಂಸ್ಕರಣಾ ಘಟಕ (ಟಿಪಿಯು) ಗೂಗಲ್‌ನಿಂದ, ಇದನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ-ಸಂಬಂಧಿತ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ ಎಂದು ಗೂಗಲ್ ಹೇಳಿದೆ. ಮುಂಗಡವು ಅರೆವಾಹಕ ಉದ್ಯಮಕ್ಕೆ "ಪ್ರಮುಖ ಪರಿಣಾಮಗಳನ್ನು" ಉಂಟುಮಾಡಬಹುದು ಎಂದು ಗೂಗಲ್ ಎಂಜಿನಿಯರ್‌ಗಳು ಹೇಳಿದ್ದಾರೆ.
ಮೂಲಭೂತವಾಗಿ, ಇದು ಸಿಪಿಯು ಮತ್ತು ಜಿಪಿಯು ಕೋರ್ಗಳು ಮತ್ತು ಮೆಮೊರಿಯಂತಹ ಅಂಶಗಳನ್ನು ಚಿಪ್‌ನಲ್ಲಿ ಪರಸ್ಪರ ವಿರುದ್ಧವಾಗಿ ಎಲ್ಲಿ ಇರಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯುವ ಬಗ್ಗೆ. ಈ ಸಣ್ಣ ಬೋರ್ಡ್‌ಗಳಲ್ಲಿ ಅವುಗಳ ಸ್ಥಾನವು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ಚಿಪ್‌ನ ವಿದ್ಯುತ್ ಬಳಕೆ ಮತ್ತು ಸಂಸ್ಕರಣೆಯ ವೇಗದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ; ಎಲ್ಲವನ್ನೂ ಸಂಪರ್ಕಿಸಲು ಅಗತ್ಯವಿರುವ ವೈರಿಂಗ್ ಮತ್ತು ಸಿಗ್ನಲ್ ರೂಟಿಂಗ್ ಹೆಚ್ಚಿನ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ.
ಗೂಗಲ್ ಎಂಜಿನಿಯರ್‌ಗಳಾದ ಅಜಲಿಯಾ ಮಿರ್ಹೋಸಿನಿ ಮತ್ತು ಅನ್ನಾ ಗೋಲ್ಡಿ, ತಮ್ಮ ಸಹೋದ್ಯೋಗಿಗಳೊಂದಿಗೆ, ತಮ್ಮ ಪ್ರಕಟಣೆಯಲ್ಲಿ ಆರು ಗಂಟೆಗಳಿಗಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ "ಮೂಲ ಮಾದರಿಗಳನ್ನು" ರಚಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಆಳವಾದ ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯ ವ್ಯವಸ್ಥೆಯನ್ನು ವಿವರಿಸುತ್ತಾರೆ, ಆದರೆ ಕೆಲವೊಮ್ಮೆ ಇದು ತಿಂಗಳುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಚಿಪ್ಸ್ ವಿನ್ಯಾಸಗೊಳಿಸಲು ಗೂಗಲ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುತ್ತಿದೆ, ಅದನ್ನು ಇನ್ನಷ್ಟು ಅತ್ಯಾಧುನಿಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಚಿಸಲು ಬಳಸಬಹುದು.
ಗೋ ಮತ್ತು ಚೆಸ್‌ನಂತಹ ಸಂಕೀರ್ಣ ಆಟಗಳಲ್ಲಿ ಇದೇ ರೀತಿಯ ವ್ಯವಸ್ಥೆಗಳು ಮನುಷ್ಯರನ್ನು ಸೋಲಿಸಬಹುದು. ಈ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ, ಆಟವನ್ನು ಗೆಲ್ಲುವ ಸಾಧ್ಯತೆಯನ್ನು ಹೆಚ್ಚಿಸುವ ತುಣುಕುಗಳನ್ನು ಸರಿಸಲು ಕ್ರಮಾವಳಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ, ಆದರೆ ಟೈಲ್ ಸನ್ನಿವೇಶದಲ್ಲಿ, ಆಟದಲ್ಲಿ ಸಾಧ್ಯವಾದಷ್ಟು ಪರಿಣಾಮಕಾರಿಯಾಗಿರಲು ಘಟಕಗಳ ಅತ್ಯುತ್ತಮ ಸಂಯೋಜನೆಯನ್ನು ಕಂಡುಹಿಡಿಯಲು AI ಗೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ.
ನರ ಜಾಲವು ಕೆಲವು ತಂತ್ರಗಳನ್ನು ಸಹ ಬಳಸುತ್ತದೆ ಇದನ್ನು ಒಮ್ಮೆ ಅರೆವಾಹಕ ಉದ್ಯಮವು ಪರಿಗಣಿಸಿತ್ತು, ಆದರೆ ಅದನ್ನು ಸತ್ತ ತುದಿಗಳಾಗಿ ಕೈಬಿಡಲಾಯಿತು. ಲೇಖನದ ಪ್ರಕಾರ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಯು 10.000 ಚಿಪ್ ನೀಲನಕ್ಷೆಗಳನ್ನು ಪಡೆದುಕೊಂಡಿದೆ, ಅದು ಏನು ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಏನು ಮಾಡಬಾರದು ಎಂಬುದನ್ನು "ಕಲಿಯಲು".
"ಮುಂದಿನ ಪೀಳಿಗೆಯ ಗೂಗಲ್ ಎಐ ವೇಗವರ್ಧಕಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು ನಮ್ಮ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗಿದೆ ಮತ್ತು ಪ್ರತಿ ಹೊಸ ಪೀಳಿಗೆಗೆ ಸಾವಿರಾರು ಗಂಟೆಗಳ ಮಾನವ ಶ್ರಮವನ್ನು ಉಳಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ" ಎಂದು ಎಂಜಿನಿಯರ್‌ಗಳು ಬರೆದಿದ್ದಾರೆ. "ಅಂತಿಮವಾಗಿ, ಹೆಚ್ಚು ಶಕ್ತಿಶಾಲಿ ಎಐ-ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಯಂತ್ರಾಂಶವು ಎಐನ ಪ್ರಗತಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಮತ್ತು ಎರಡು ಕ್ಷೇತ್ರಗಳ ನಡುವೆ ಸಹಜೀವನದ ಸಂಬಂಧವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ ಎಂದು ನಾವು ನಂಬುತ್ತೇವೆ."
ಲೇಖನದ ಪ್ರಕಾರ, ಮೈಕ್ರೊಪ್ರೊಸೆಸರ್ ಅಥವಾ ಕೆಲಸದ ಹೊರೆ ವೇಗವರ್ಧಕವನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ, ಸಾಮಾನ್ಯವಾಗಿ ಅದರ ಉಪವ್ಯವಸ್ಥೆಗಳು ಉನ್ನತ ಮಟ್ಟದ ಭಾಷೆಯಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು ಅಗತ್ಯವಾಗಿರುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ವಿಎಚ್‌ಡಿಎಲ್, ಸಿಸ್ಟಂ ವೆರಿಲೋಗ್, ಅಥವಾ ಉಳಿ ಕೂಡ.
ಈ ಕೋಡ್ ಅಂತಿಮವಾಗಿ ನೆಟ್‌ಲಿಸ್ಟ್ ಎಂದು ಕರೆಯಲ್ಪಡುತ್ತದೆ, ಇದು ಚಿಪ್‌ನ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ತಂತಿಗಳ ಮೂಲಕ ಮ್ಯಾಕ್ರೋಬ್ಲಾಕ್‌ಗಳು ಮತ್ತು ಪ್ರಮಾಣಿತ ಕೋಶಗಳನ್ನು ಹೇಗೆ ಸಂಪರ್ಕಿಸಬೇಕು ಎಂಬುದನ್ನು ವಿವರಿಸುತ್ತದೆ.
ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಕೋಶಗಳು NAND ಮತ್ತು NOR ಲಾಜಿಕ್ ಗೇಟ್‌ಗಳಂತಹ ಮೂಲ ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆಮ್ಯಾಕ್ರೋಬ್ಲಾಕ್‌ಗಳು ಆನ್-ಚಿಪ್ ಮೆಮೊರಿ ಅಥವಾ ಪ್ರೊಸೆಸರ್ ಕೋರ್ ಅನ್ನು ಒದಗಿಸುವಂತಹ ವಿಶೇಷ ಕಾರ್ಯವನ್ನು ನಿರ್ವಹಿಸಲು ಉದ್ದೇಶಿಸಿರುವ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಕೋಶಗಳು ಅಥವಾ ಇತರ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಘಟಕಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ. ಆದ್ದರಿಂದ, ಮ್ಯಾಕ್ರೋಬ್ಲಾಕ್‌ಗಳು ಪ್ರಮಾಣಿತ ಕೋಶಗಳಿಗಿಂತ ದೊಡ್ಡದಾಗಿದೆ.
ನಂತರ ನೀವು ಚಿಪ್‌ನಲ್ಲಿ ಈ ಕೋಶಗಳು ಮತ್ತು ಮ್ಯಾಕ್ರೋಬ್ಲಾಕ್‌ಗಳ ಪಟ್ಟಿಯನ್ನು ಹೇಗೆ ಆಯೋಜಿಸಬೇಕು ಎಂಬುದನ್ನು ಆರಿಸಬೇಕಾಗುತ್ತದೆ. ಗೂಗಲ್ ಉದ್ಯೋಗಿಗಳ ಪ್ರಕಾರ, ವಿಶೇಷ ಚಿಪ್ ವಿನ್ಯಾಸ ಸಾಧನಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಮಾನವ ಎಂಜಿನಿಯರ್‌ಗಳಿಗೆ ವಾರಗಳು ಅಥವಾ ತಿಂಗಳುಗಳು ಬೇಕಾಗಬಹುದು ಮತ್ತು ವಿದ್ಯುತ್ ಬಳಕೆ, ಸಮಯ, ವೇಗ ಇತ್ಯಾದಿಗಳ ಅಗತ್ಯತೆಗಳ ಆಧಾರದ ಮೇಲೆ ಆಪ್ಟಿಮೈಸ್ಡ್ ಯೋಜನೆಯನ್ನು ಪಡೆಯಲು ಹಲವು ಬಾರಿ ಪುನರಾವರ್ತಿಸಬಹುದು.
ಈ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಏನಾಗುತ್ತದೆ ಎಂದರೆ ವಿನ್ಯಾಸವು ಬೆಳೆದಂತೆ ದೊಡ್ಡ ಮ್ಯಾಕ್ರೋಬ್ಲಾಕ್‌ಗಳ ಸ್ಥಳವನ್ನು ಬದಲಾಯಿಸಬೇಕು. ತದನಂತರ ನೀವು ಸ್ವಯಂಚಾಲಿತ ಪರಿಕರಗಳನ್ನು ಅನುಮತಿಸಬೇಕಾಗುತ್ತದೆ, ಅದು ಬುದ್ದಿಹೀನ ಕ್ರಮಾವಳಿಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಸಣ್ಣ ಪ್ರಮಾಣಿತ ಕೋಶಗಳ ಬಹುಸಂಖ್ಯೆಯನ್ನು ಬಿಡಿ, ತದನಂತರ ನೀವು ಮುಗಿಸುವವರೆಗೆ ಸ್ವಚ್ and ಗೊಳಿಸಿ ಮತ್ತು ಪುನರಾವರ್ತಿಸಿ ಎಂದು ಡಾಕ್ ಹೇಳುತ್ತದೆ.
ಚಿಪ್ ಸ್ಕೀಮ್ಯಾಟಿಕ್ ವಿನ್ಯಾಸದ ಈ ಹಂತವನ್ನು ವೇಗಗೊಳಿಸಲು, ಗೂಗಲ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ತಜ್ಞರು ಒಂದು ಕನ್ವಲ್ಯೂಷನಲ್ ನ್ಯೂರಾಲ್ ನೆಟ್‌ವರ್ಕ್ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಿದರು, ಇದು ಅತ್ಯುತ್ತಮ ವಿನ್ಯಾಸವನ್ನು ಸಾಧಿಸಲು ಕೆಲವೇ ಗಂಟೆಗಳಲ್ಲಿ ಮ್ಯಾಕ್ರೋ-ಬ್ಲಾಕ್ ಪ್ಲೇಸ್‌ಮೆಂಟ್ ಅನ್ನು ತನ್ನದೇ ಆದ ಮೇಲೆ ನಿರ್ವಹಿಸುತ್ತದೆ.
ಲೇಖನದ ಪ್ರಕಾರ, ಪ್ರಮಾಣಿತ ಕೋಶಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಖಾಲಿ ಜಾಗಗಳಲ್ಲಿ ಇತರ ಸಾಫ್ಟ್‌ವೇರ್ ಮೂಲಕ ಇರಿಸಲಾಗುತ್ತದೆ. ಈ ಯಂತ್ರ ಕಲಿಕೆ ವ್ಯವಸ್ಥೆ ಮಾನವ ಎಂಜಿನಿಯರ್‌ಗಳ ವಿಧಾನಕ್ಕಿಂತ ಆದರ್ಶ ರೇಖಾಚಿತ್ರವನ್ನು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಮತ್ತು ಉತ್ತಮವಾಗಿ ಉತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಉದ್ಯಮದಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಸ್ವಯಂಚಾಲಿತ ಸಾಧನಗಳನ್ನು ಬಳಸಿ, ಗೂಗಲ್ ಉದ್ಯೋಗಿಗಳು ತಮ್ಮ ಲೇಖನದಲ್ಲಿ ವಿವರಿಸಿದರು.
ಮೂಲ: https://www.theregister.com/