Google mendakwa telah berkembang perisian dari kecerdasan buatan yang mampu merancang cip komputer lebih pantas daripada manusia. Dalam artikel yang diterbitkan beberapa hari yang lalu, Google mendakwa bahawa cip yang memerlukan manusia berbulan-bulan untuk merancang dapat dibayangkan oleh AI barunya dalam waktu kurang dari enam jam.
Kecerdasan buatan telah digunakan untuk mengembangkan iterasi terbaru dari kerepek Unit Pemprosesan Tensioner (TPU) oleh Google, yang digunakan untuk melakukan tugas yang berkaitan dengan kecerdasan buatan, kata Google. Jurutera Google mengatakan kemajuan itu boleh memberi "implikasi besar" bagi industri semikonduktor.
Pada dasarnya, ini adalah untuk mengetahui di mana komponen seperti teras CPU dan GPU dan memori diletakkan satu sama lain pada cip. Lokasi mereka di papan kecil ini penting kerana mempengaruhi penggunaan kuasa dan kelajuan pemprosesan cip; pendawaian dan penghalaan isyarat yang diperlukan untuk menyambungkan semuanya sangat penting.
Jurutera Google Azalia Mirhoseini dan Anna Goldie, bersama rakan-rakannya, menerangkan dalam penerbitan mereka sistem pembelajaran peneguhan mendalam yang mampu membuat "corak asas" dalam masa kurang dari enam jam, sementara kadang-kadang memerlukan waktu berbulan-bulan.
Dalam kata lain, Google menggunakan kecerdasan buatan untuk merancang cip yang dapat digunakan untuk membuat sistem kecerdasan buatan yang lebih canggih.
Sistem serupa juga dapat mengalahkan manusia dalam permainan yang kompleks seperti go dan catur. Dalam senario ini, algoritma dilatih untuk menggerakkan kepingan yang meningkatkan peluang anda memenangi permainan, tetapi dalam senario jubin, AI dilatih untuk mencari kombinasi komponen terbaik agar seefisien mungkin dalam permainan.
Rangkaian 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 untuk cip untuk "belajar" apa yang berfungsi dan apa yang tidak.
"Kaedah kami telah digunakan untuk merancang generasi akselerator AI Google seterusnya dan berpotensi untuk menjimatkan ribuan jam usaha manusia untuk setiap generasi baru," tulis para jurutera. "Pada akhirnya, kami percaya bahawa perkakasan yang dirancang AI yang lebih kuat akan mendorong kemajuan AI, mewujudkan hubungan simbiotik antara kedua bidang."
Menurut artikel itu, ketika merancang mikropemproses atau pemecut beban kerja, biasanya diperlukan untuk menentukan bagaimana subsistemnya berfungsi dalam bahasa tingkat tinggi, seperti VHDL, SystemVerilog, atau mungkin juga Pahat.
Kod ini akhirnya akan diterjemahkan ke dalam apa yang disebut netlist, yang menerangkan bagaimana sekumpulan macroblock dan sel standard mesti dihubungkan oleh wayar untuk melaksanakan fungsi cip.
Sel standard mengandungi elemen asas seperti gerbang logik NAND dan NOR, sedangkan macroblocks mengandungi satu set sel standard atau komponen elektronik lain yang dimaksudkan untuk melakukan fungsi khusus, seperti menyediakan memori on-chip atau inti pemproses. Oleh itu, sekatan makro jauh lebih besar daripada sel standard.
Kemudian anda harus memilih cara mengatur senarai sel dan makroblock pada cip ini. Menurut pekerja Google, diperlukan jurutera manusia berminggu-minggu atau bahkan berbulan-bulan untuk bekerja dengan alat reka bentuk cip khusus dan berulang kali untuk mendapatkan rancangan yang dioptimumkan berdasarkan keperluan untuk penggunaan tenaga, masa, kelajuan, dll.
Apa yang biasanya berlaku dalam proses ini adalah bahawa lokasi kunci makro besar mesti diubah semasa reka bentuknya berkembang. Dan kemudian anda harus membiarkan alat automatik, yang menggunakan algoritma tidak cerdas, menurunkan banyak sel standard yang lebih kecil, dan kemudian bersihkan dan ulangi sehingga anda selesai, kata dokumen itu.
Untuk mempercepat langkah reka bentuk skematik cip ini, pakar kecerdasan buatan Google membuat sistem rangkaian saraf konvolusional yang melakukan penempatan blok makro sendiri dalam beberapa jam untuk mencapai reka bentuk yang optimum.
Sel standard secara automatik diletakkan di tempat kosong oleh perisian lain, menurut artikel tersebut. Sistem pembelajaran mesin ini seharusnya dapat menghasilkan gambarajah yang ideal jauh lebih pantas dan lebih baik daripada kaedah jurutera manusia menggunakan alat automatik tradisional dalam industri, pekerja Google menjelaskan dalam artikel mereka.
Fuente: https://www.theregister.com/