Искусственный интеллект научился создавать чипы

Как выяснилось, алгоритмы справляются с этой задачей намного быстрее человека, а качество итогового продукта нередко превосходит результаты работы специалистов в данной области, пишет CNews. К примеру, то, на что человеку потребуется несколько месяцев, у ИИ Google уходит менее шести часов.

В своей работе специалисты Google отмечают, что проектирование физического макета чипа, несмотря на наличие инструментов автоматизации, по-прежнему остается трудоемким и долгим, но все же крайне важным процессом.

С целью его оптимизации исследователи разработали ряд алгоритмов, которые подходят к генерации макета как к настольной игре. Если проводить аналогию с шахматами, то доска – это кремниевый кристалл чипа, фигуры – его компоненты (например, вычислительные ядра). В шахматах условием победы является мат – такая расстановка фигур на доске, когда один из королей находится под атакой и не может сделать безопасный ход. Для алгоритмов Google таким условием является расположение компонентов, обеспечивающее максимальную эффективность чипа (производительность и уровень энергопотребления).

Исследователи использовали подход глубинного обучения с подкреплением, «скормив» нейросети набор данных (датасет) из 10 тыс. проектов дизайна чипов различного качества, некоторые из них были сгенерированы случайным образом. Качество каждой схемы из датасета было оценено на основании показателей энергопотребления и суммарной длины проводников, соединяющих компоненты, размещенные на чипе. Именно эти показатели алгоритм Google использовал для того, чтобы отличать «хорошие» дизайны от «плохих» и генерировать собственные.

Как отмечает издание The Verge, когда дело доходит до противостояния человека и машины в настольных играх, последние нередко принимают неожиданные для противника решения. К примеру, в 2016 г. во время второй партии в го в матче против южнокорейского профессионала Ли Седоля (Lee Sedol) специализированная программа AlphaGo (разработана Google) сделала ход (37 по счету), который своей нелогичностью ввел оппонента в ступор, даже заставив того взять тайм-аут, но в итоге помог ИИ выиграть.

Чипы, спроектированные нейросетью Google, конечно, не способны шокировать представителей индустрии своим необычным дизайном, но, тем не менее, выглядят достаточно необычно. Если специалист-человек расставляет компоненты аккуратно и упорядоченно, то по итогам работы машины они оказываются как будто хаотично разбросаны по поверхности кристалла. Однако же внешняя неупорядоченность, согласно выводам исследователей Google, на итоговых результатах работы негативно не сказывается, скорее наоборот.

В редакционной статье Nature работа Google Research названа «важным достижением» и отмечается, что она в перспективе способна помочь определить дальнейшее направление развития индустрии микроэлектроники, которая, вероятно, окажется в тупике после конца эпохи закона Мура.

ИИ не обязательно решит проблемы, связанные с размещением все большего и большего количества транзисторов в микросхемах, но он, возможно, поможет найти иные способы повышения производительности микросхем, говорится в статье.

Работа Google Research примечательна еще и тем, что знания и опыт, полученные командой исследователей в ходе ее подготовки, применяются корпорацией на практике. Алгоритмы помогают инженерам Google в разработке следующего поколения тензорных процессоров Google TPU.

Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!