Google은 소프트웨어 인간보다 빠르게 컴퓨터 칩을 설계 할 수있는 인공 지능. 며칠 전 게시 된 기사에서 Google은 인간이 설계하는 데 몇 달이 걸리는 칩을 XNUMX 시간 이내에 새로운 AI로 상상할 수 있다고 주장합니다.
인공 지능 이미 최신 칩을 개발하는 데 사용되었습니다. 텐셔너 처리 장치 (TPU) Google 제공구글은 인공 지능 관련 작업을 수행하는 데 사용된다고 말했다. 구글 엔지니어들은 이러한 발전이 반도체 산업에 "중요한 영향"을 미칠 수 있다고 말했다.
본질적으로 CPU 및 GPU 코어 및 메모리와 같은 구성 요소가 칩에서 서로 마주 보는 위치를 파악하는 것입니다. 이 작은 보드에서의 위치는 칩의 전력 소비와 처리 속도에 영향을 미치기 때문에 중요합니다. 모든 것을 연결하는 데 필요한 배선 및 신호 라우팅은 매우 중요합니다.
Google 엔지니어 인 Azalia Mirhoseini와 Anna Goldie는 동료들과 함께 XNUMX 시간 이내에 "기본 패턴"을 만들 수있는 심층 강화 학습 시스템을 설명합니다.
즉, 구글은 인공 지능을 사용하여 더욱 정교한 인공 지능 시스템을 만드는 데 사용할 수있는 칩을 설계하고 있습니다.
유사한 시스템은 바둑과 체스와 같은 복잡한 게임에서도 인간을 이길 수 있습니다. 이러한 시나리오에서 알고리즘은 게임에서 승리 할 가능성을 높이는 조각을 이동하도록 훈련되었지만 타일 시나리오에서는 AI가 게임에서 최대한 효율적으로 구성 요소의 최상의 조합을 찾도록 훈련되었습니다.
신경망은 또한 몇 가지 기술을 사용합니다. 한때 반도체 산업에서 고려되었지만 막 다른 골목으로 버려졌습니다. 기사에 따르면 인공 지능 시스템은 칩이 작동하는 것과 작동하지 않는 것을 "학습"하기 위해 10.000 개의 청사진을 받았습니다.
엔지니어들은 "우리의 접근 방식은 차세대 Google AI 가속기를 설계하는 데 사용되었으며 새로운 세대마다 수천 시간의 인간 노력을 절약 할 수있는 잠재력을 가지고 있습니다."라고 썼습니다. "궁극적으로 우리는보다 강력한 AI 설계 하드웨어가 AI의 발전을 주도하여 두 분야간에 공생 관계를 형성 할 것이라고 믿습니다."
이 기사에 따르면 마이크로 프로세서 또는 워크로드 가속기를 설계 할 때 일반적으로 하위 시스템이 VHDL, SystemVerilog 또는 Chisel과 같은 고급 언어로 작동하는 방식을 정의해야합니다.
이 코드는 결국 넷리스트 (netlist)로 변환되어 칩의 기능을 수행하기 위해 일련의 매크로 블록과 표준 셀을 와이어로 연결해야하는 방법을 설명합니다.
표준 셀에는 NAND 및 NOR 논리 게이트와 같은 기본 요소가 포함됩니다.반면 매크로 블록은 온칩 메모리 또는 프로세서 코어 제공과 같은 특수 기능을 수행하기위한 표준 셀 또는 기타 전자 구성 요소 세트를 포함합니다. 따라서 매크로 블록은 표준 셀보다 훨씬 큽니다.
그런 다음 칩에서이 셀 및 매크로 블록 목록을 구성하는 방법을 선택해야합니다. Google 직원에 따르면, 인간 엔지니어가 특수 칩 설계 도구로 작업하는 데 몇 주 또는 몇 달이 걸릴 수 있으며 전력 소비, 타이밍, 속도 등에 대한 요구 사항에 따라 최적화 된 계획을 얻기 위해 여러 번 반복 할 수 있습니다.
이 과정에서 일반적으로 일어나는 일은 디자인이 발전함에 따라 큰 매크로 블록의 위치를 변경해야한다는 것입니다. 그런 다음 비 지능적인 알고리즘을 사용하는 자동화 도구를 여러 개의 작은 표준 셀에 넣은 다음 완료 될 때까지 정리하고 반복해야한다고 박사는 말합니다.
이 칩 회로도 설계 단계를 가속화하기 위해 Google 인공 지능 전문가는 최적의 설계를 달성하기 위해 몇 시간 내에 자체적으로 매크로 블록 배치를 수행하는 컨볼 루션 신경망 시스템을 만들었습니다.
기사에 따르면 표준 셀은 다른 소프트웨어에 의해 빈 공간에 자동으로 배치됩니다. 이 기계 학습 시스템 인간 엔지니어 방법보다 훨씬 빠르고 더 나은 이상적인 다이어그램을 생성 할 수 있어야합니다. 업계의 기존 자동화 도구를 사용하여 Google 직원은 기사에서 설명했습니다.
출처 : https://www.theregister.com/