चिप डिझाइनमध्ये त्याची एआय अधिक वेगवान असल्याचे गुगलचा दावा आहे

गुगल विकसित झाल्याचा दावा करते चे एक सॉफ्टवेअर मानवांपेक्षा वेगवान संगणक चिप्स तयार करण्यात सक्षम कृत्रिम बुद्धिमत्ता. काही दिवसांपूर्वी प्रकाशित झालेल्या लेखात गुगलने असा दावा केला आहे की मानवांना डिझाइन करण्यासाठी महिन्यांत लागणारी चिप त्याच्या नवीन एआयद्वारे सहा तासांपेक्षा कमी कालावधीत कल्पना केली जाऊ शकते.

कृत्रिम बुद्धिमत्ता चिप्स ची नवीनतम पुनरावृत्ती विकसित करण्यासाठी आधीपासून वापरली गेली आहे टेन्शनर प्रोसेसिंग युनिट (टीपीयू) Google द्वारे, ज्याचा उपयोग कृत्रिम बुद्धिमत्तेशी संबंधित कार्य करण्यासाठी केला जातो, असं गुगलने म्हटलं आहे. गुगल अभियंत्यांनी सांगितले की, सेमीकंडक्टर उद्योगासाठी आगाऊपणावर "मोठे परिणाम" असू शकतात.

मूलत :, हे सीपीयू आणि जीपीयू कोरे आणि मेमरी सारखे घटक चिपवर एकमेकांविरूद्ध ठेवलेले असतात हे शोधण्याचे आहे. या छोट्या बोर्डांवर त्यांचे स्थान महत्त्वपूर्ण आहे कारण याचा परिणाम चिपच्या उर्जा वापरा आणि प्रक्रियेच्या गतीवर होतो; सर्वकाही कनेक्ट करण्यासाठी आवश्यक वायरिंग आणि सिग्नल मार्गांना महत्त्व आहे.

गूगलचे अभियंते अझलिया मिरहोसेनी आणि अण्णा गोल्डी यांनी त्यांच्या सहका with्यांसह, त्यांच्या प्रकाशनात एक खोल मजबुतीकरण शिक्षण प्रणाली वर्णन केली आहे जी सहा तासांपेक्षा कमी वेळात "मूलभूत नमुने" तयार करण्यास सक्षम असते, तर कधीकधी महिने लागतात.

दुसऱ्या शब्दांत, Google चिप्स डिझाइन करण्यासाठी कृत्रिम बुद्धिमत्ता वापरत आहे जी आणखी अत्याधुनिक कृत्रिम बुद्धिमत्ता प्रणाली तयार करण्यासाठी वापरली जाऊ शकते.

गो आणि बुद्धीबळ अशा जटिल खेळांमध्ये तत्सम प्रणाली मानवांना पराभूत करू शकतात. या परिस्थितीत, अल्गोरिदम तुकड्यांना हलविण्यास प्रशिक्षित केले जातात ज्यामुळे गेम जिंकण्याची शक्यता वाढते, परंतु टाइल परिस्थितीत, एआयमध्ये गेममध्ये शक्य तितके कार्यक्षम होण्यासाठी घटकांचे सर्वोत्तम संयोजन शोधण्याचे प्रशिक्षण दिले जाते.

मज्जासंस्था नेटवर्क देखील काही तंत्र वापरते एकेकाळी सेमीकंडक्टर उद्योगाद्वारे याचा विचार केला जात असे, परंतु डेड एंड म्हणून सोडले गेले. लेखानुसार कृत्रिम बुद्धिमत्ता प्रणालीला काय कार्य करते आणि काय नाही हे "शिकण्यासाठी" चिप्ससाठी 10.000 ब्लूप्रिंट मिळाले.

अभियंत्यांनी लिहिले, "आमची पद्धत Google एआय प्रवेगकांच्या पुढील पिढीच्या डिझाइनसाठी वापरली गेली आहे आणि प्रत्येक नवीन पिढीसाठी हजारो तासांच्या मानवी प्रयत्नांची बचत करण्याची क्षमता आहे." "शेवटी, आम्हाला विश्वास आहे की अधिक शक्तिशाली एआय-डिझाइन केलेले हार्डवेअर एआयची प्रगती करेल आणि दोन क्षेत्रांमधील सहजीवन संबंध निर्माण करेल."

लेखानुसार, मायक्रोप्रोसेसर किंवा वर्कलोड प्रवेगक डिझाइन करताना, त्याचे उपप्रणाली व्हीएचडीएल, सिस्टमव्हिरिलॉग किंवा कदाचित छिन्सेल सारख्या उच्च-स्तरीय भाषेत कसे कार्य करतात हे परिभाषित करणे आवश्यक आहे.

हा कोड अखेरीस नेटलिस्ट म्हणतात त्यामध्ये भाषांतरित करेल, ज्यामध्ये चिपची कार्ये करण्यासाठी मानक मॅक्रोब्लॉक्स आणि पेशींचा संच तारांद्वारे कसा जोडला गेला पाहिजे याचे वर्णन करते.

मानक पेशींमध्ये NAND आणि NOR लॉजिक गेट्स सारखे मूलभूत घटक असतातमॅक्रोब्लॉक्समध्ये विशिष्ट कार्य करण्यासाठी हेतू मानक पेशींचा संच किंवा इतर इलेक्ट्रॉनिक घटकांचा संच असतो, जसे की ऑन-चिप मेमरी किंवा प्रोसेसर कोर प्रदान करणे. म्हणूनच, प्रमाणित पेशींपेक्षा मॅक्रोब्लॉक्स बरेच मोठे आहेत.

मग आपल्याला चिपवरील सेल आणि मॅक्रोब्लॉक्सची सूची कशी व्यवस्थित करावी ते निवडावे लागेल. Google कर्मचार्‍यांच्या मते, विशिष्ट चिप डिझाइन साधनांसह कार्य करण्यासाठी मानवी अभियंत्यांना आठवडे किंवा महिने लागू शकतात आणि वीज वापर, वेळ, गती इत्यादींच्या गरजेनुसार ऑप्टिमाइझ केलेली योजना मिळविण्यासाठी अनेक वेळा पुनरावृत्ती होऊ शकते.

या प्रक्रियेत बरेचदा जे घडते ते म्हणजे डिझाइन विकसित होताना मोठ्या मॅक्रोब्लॉक्सची जागा बदलली जाणे आवश्यक आहे. आणि मग आपणास स्वयंचलित साधने द्यावी लागतील, जी निर्विवाद अल्गोरिदम वापरतात, लहान प्रमाणित पेशींच्या मोठ्या संख्येने खाली टाकू शकतात, आणि नंतर आपण पूर्ण करेपर्यंत स्वच्छ आणि पुन्हा करा, डॉक्टर सांगते.

चिप स्कीमॅटिक डिझाइनच्या या चरणाला गती देण्यासाठी, Google कृत्रिम बुद्धिमत्ता तज्ञांनी एक इकॉनॉमिक डिझाइन साध्य करण्यासाठी काही तासांत मॅक्रो-ब्लॉक प्लेसमेंट स्वत: हून मॅक्रो-ब्लॉक प्लेसमेंट करणारी एक कॉन्व्होल्यूशनल न्यूरल नेटवर्क सिस्टम तयार केली.

लेखाच्या मते, इतर सॉफ्टवेअरद्वारे मानक सेल स्वयंचलितपणे रिकाम्या जागांवर ठेवले जातात. ही मशीन शिक्षण प्रणाली मानवी अभियंत्यांच्या पद्धतीपेक्षा बरेच वेगवान आणि चांगले एक आदर्श आकृती तयार करण्यास सक्षम असावे उद्योगात पारंपारिक स्वयंचलित साधने वापरुन, Google कर्मचार्‍यांनी त्यांच्या लेखात स्पष्ट केले.

स्त्रोत: https://www.theregister.com/


लेखाची सामग्री आमच्या तत्त्वांचे पालन करते संपादकीय नीति. त्रुटी नोंदविण्यासाठी क्लिक करा येथे.

टिप्पणी करणारे सर्वप्रथम व्हा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.