Google, AI'nın çip tasarımında daha hızlı olduğunu iddia ediyor

Google geliştirdiğini iddia ediyor bir yazılım bilgisayar çiplerini insanlardan daha hızlı tasarlayabilen yapay zeka. Google, birkaç gün önce yayınlanan bir makalede, insanların tasarlaması aylar alacak bir çipin yeni yapay zekası tarafından altı saatten daha kısa bir sürede hayal edilebileceğini iddia ediyor.

Yapay zeka çiplerin en son yinelemesini geliştirmek için zaten kullanıldı Gergi İşleme Ünitesi (TPU) Google tarafındanGoogle, yapay zeka ile ilgili görevleri gerçekleştirmek için kullanılan . Google mühendisleri, ilerlemenin yarı iletken endüstrisi için "önemli etkileri" olabileceğini söyledi.

Esasen, CPU ve GPU çekirdekleri ve bellek gibi bileşenlerin çip üzerinde birbirine karşı nereye yerleştirildiğini bulmakla ilgilidir. Bu küçük kartlardaki konumları, çipin güç tüketimini ve işlem hızını etkilediği için önemlidir; her şeyi bağlamak için gereken kablolama ve sinyal yönlendirme çok önemlidir.

Google mühendisleri Azalia Mirhoseini ve Anna Goldie, meslektaşlarıyla birlikte yayınlarında, altı saatten daha kısa bir sürede "temel kalıplar" oluşturabilen, bazen aylar sürebilen bir derin pekiştirmeli öğrenme sistemini anlatıyor.

En otras palabras, Google, daha da karmaşık yapay zeka sistemleri oluşturmak için kullanılabilecek çipler tasarlamak için yapay zekayı kullanıyor.

Benzer sistemler go ve satranç gibi karmaşık oyunlarda da insanları yenebilir. Bu senaryolarda, algoritmalar oyunu kazanma şansınızı artıran parçaları taşımak için eğitilir, ancak karo senaryosunda AI, oyunda mümkün olduğunca verimli hale getirmek için en iyi bileşen kombinasyonunu bulmak üzere eğitilir.

Sinir ağı ayrıca bazı teknikler kullanır bir zamanlar yarı iletken endüstrisi tarafından kabul edildi, ancak çıkmaz sokaklar olarak terk edildi. Makaleye göre, yapay zeka sistemi, neyin işe yarayıp neyin yaramadığını "öğrenmek" için çipler için 10.000 plan aldı.

Mühendisler, "Bizim yöntemimiz, yeni nesil Google AI hızlandırıcılarını tasarlamak için kullanıldı ve her yeni nesil için binlerce saatlik insan emeğinden tasarruf etme potansiyeline sahip" diye yazdı. "Sonuçta, daha güçlü AI tasarımlı donanımın AI'nın ilerlemesini sağlayacağına ve iki alan arasında simbiyotik bir ilişki yaratacağına inanıyoruz."

Makaleye göre, bir mikroişlemci veya bir iş yükü hızlandırıcı tasarlarken, genellikle alt sistemlerinin nasıl çalıştığını VHDL, SystemVerilog veya hatta Chisel gibi üst düzey bir dilde tanımlamak gerekir.

Bu kod sonunda, çipin işlevlerini yerine getirmek için bir dizi standart makroblok ve hücrenin kablolarla nasıl bağlanması gerektiğini açıklayan netlist olarak adlandırılan şeye dönüşecektir.

Standart hücreler, NAND ve NOR mantık kapıları gibi temel öğeleri içerir.oysa makro bloklar, çip üzerinde bellek veya bir işlemci çekirdeği sağlamak gibi özel bir işlevi yerine getirmesi amaçlanan bir dizi standart hücre veya diğer elektronik bileşenleri içerir. Bu nedenle, makro bloklar standart hücrelerden çok daha büyüktür.

Ardından, çip üzerindeki bu hücre ve makro blok listesini nasıl düzenleyeceğinizi seçmelisiniz. Google çalışanlarına göre, insan mühendislerin özel çip tasarım araçlarıyla çalışması ve güç tüketimi, zamanlama, hız vb. ihtiyaçlara göre optimize edilmiş bir plan elde etmek için birçok kez yineleme yapması haftalar hatta aylar alabilir.

Bu süreçte genellikle olan şey, tasarım geliştikçe büyük makro blokların yerinin değiştirilmesi gerektiğidir. Doktor, daha sonra, akıllı olmayan algoritmalar kullanan otomatik araçların çok sayıda daha küçük standart hücreye düşmesine ve ardından temizleyip işiniz bitene kadar tekrar etmesine izin vermeniz gerektiğini söylüyor.

Bu çip şeması tasarım adımını hızlandırmak için Google yapay zeka uzmanları, optimum bir tasarıma ulaşmak için birkaç saat içinde makro blok yerleştirmeyi kendi başına gerçekleştiren bir evrişimsel sinir ağı sistemi oluşturdu.

Standart hücreler, makaleye göre diğer yazılımlar tarafından otomatik olarak boş alanlara yerleştirilir. Bu makine öğrenme sistemi ideal bir diyagramı insan mühendisleri yönteminden çok daha hızlı ve daha iyi üretebilmelidir. Google çalışanları, sektördeki geleneksel otomatik araçları kullanarak makalelerinde açıkladılar.

kaynak: https://www.theregister.com/


İlk yorumu siz

Yorumunuzu bırakın

E-posta hesabınız yayınlanmayacak. Gerekli alanlar ile işaretlenmiştir *

*

*

  1. Verilerden sorumlu: Miguel Ángel Gatón
  2. Verilerin amacı: Kontrol SPAM, yorum yönetimi.
  3. Meşruiyet: Onayınız
  4. Verilerin iletilmesi: Veriler, yasal zorunluluk dışında üçüncü kişilere iletilmeyecektir.
  5. Veri depolama: Occentus Networks (AB) tarafından barındırılan veritabanı
  6. Haklar: Bilgilerinizi istediğiniz zaman sınırlayabilir, kurtarabilir ve silebilirsiniz.