O Google afirma que sua IA é mais rápida no design de chips

O Google afirma ter desenvolvido um software de inteligência artificial capaz de projetar chips de computador mais rápido do que humanos. Em um artigo publicado há poucos dias, o Google afirma que um chip que levaria meses para humanos ser projetado pode ser imaginado por sua nova IA em menos de seis horas.

Inteligência artificial já foi usado para desenvolver a última iteração dos chips Unidade de processamento do tensor (TPU) pelo Google, que são usados ​​para realizar tarefas relacionadas à inteligência artificial, disse o Google. Os engenheiros do Google disseram que o avanço pode ter "grandes implicações" para a indústria de semicondutores.

Basicamente, trata-se de descobrir onde componentes como os núcleos da CPU e GPU e a memória são colocados uns contra os outros no chip. Sua localização nessas pequenas placas é importante porque afeta o consumo de energia e a velocidade de processamento do chip; a fiação e o roteamento de sinais necessários para conectar tudo são de grande importância.

As engenheiras Azalia Mirhoseini e Anna Goldie, junto com seus colegas, descrevem em sua publicação um sistema de aprendizado por reforço profundo capaz de criar "padrões básicos" em menos de seis horas, embora às vezes demore meses.

Em outras palavras, O Google está usando inteligência artificial para projetar chips que podem ser usados ​​para criar sistemas de inteligência artificial ainda mais sofisticados.

Sistemas semelhantes também podem vencer os humanos em jogos complexos como go e xadrez. Nesses cenários, os algoritmos são treinados para mover peças que aumentam suas chances de ganhar o jogo, mas no cenário dos tiles, a IA é treinada para encontrar a melhor combinação de componentes para ser o mais eficiente possível no jogo.

A rede neural também usa algumas técnicas que já foram considerados pela indústria de semicondutores, mas abandonados como becos sem saída. De acordo com o artigo, o sistema de inteligência artificial recebeu 10.000 projetos de chips para "aprender" o que funciona e o que não funciona.

"Nossa abordagem foi usada para projetar a próxima geração de aceleradores de IA do Google e tem o potencial de economizar milhares de horas de esforço humano para cada nova geração", escreveram os engenheiros. "Em última análise, acreditamos que um hardware projetado de IA mais poderoso conduzirá o avanço da IA, criando uma relação simbiótica entre os dois campos."

De acordo com o artigo, ao projetar um microprocessador ou acelerador de carga de trabalho, geralmente é necessário definir como seus subsistemas funcionam em uma linguagem de alto nível, como VHDL, SystemVerilog ou talvez até mesmo Chisel.

Esse código acabará se traduzindo no que é chamado de netlist, que descreve como um conjunto de macroblocos e células padrão devem ser conectados por fios para executar as funções do chip.

As células padrão contêm elementos básicos, como portas lógicas NAND e NORenquanto os macroblocos contêm um conjunto de células padrão ou outros componentes eletrônicos destinados a executar uma função especial, como fornecer memória no chip ou um núcleo de processador. Portanto, os macroblocos são muito maiores do que as células padrão.

Em seguida, você deve escolher como organizar essa lista de células e macroblocos no chip. De acordo com os funcionários do Google, os engenheiros humanos podem levar semanas ou até meses para trabalhar com ferramentas especializadas de design de chips e iterar várias vezes para obter um plano otimizado com base nas necessidades de consumo de energia, tempo, velocidade, etc.

O que geralmente acontece neste processo é que a localização dos macroblocos grandes deve ser alterada à medida que o design se desenvolve. E então você tem que deixar as ferramentas automatizadas, que usam algoritmos pouco inteligentes, entrarem na multidão de células padrão menores e, em seguida, limpar e repetir até terminar, diz o doc.

Para acelerar essa etapa do projeto esquemático do chip, os especialistas em inteligência artificial do Google criaram um sistema de rede neural convolucional que realiza a colocação de macroblocos por conta própria em algumas horas para obter um projeto ideal.

As células padrão são colocadas automaticamente em espaços vazios por outro software, de acordo com o artigo. Este sistema de aprendizado de máquina deve ser capaz de produzir um diagrama ideal muito mais rápido e melhor do que o método dos engenheiros humanos usando ferramentas automatizadas tradicionais do setor, os funcionários do Google explicaram em seu artigo.

fonte: https://www.theregister.com/


O conteúdo do artigo segue nossos princípios de Ética editorial. Para relatar um erro, clique Clique aqui.

Seja o primeiro a comentar

Deixe um comentário

Seu endereço de email não será publicado. Campos obrigatórios são marcados com *

*

*

  1. Responsável pelos dados: Miguel Ángel Gatón
  2. Finalidade dos dados: Controle de SPAM, gerenciamento de comentários.
  3. Legitimação: Seu consentimento
  4. Comunicação de dados: Os dados não serão comunicados a terceiros, exceto por obrigação legal.
  5. Armazenamento de dados: banco de dados hospedado pela Occentus Networks (UE)
  6. Direitos: A qualquer momento você pode limitar, recuperar e excluir suas informações.