Разделы

Техника

Искусственный интеллект научился создавать чипы лучше и в разы быстрее людей

Искусственный интеллект Google научился проектировать новые чипы за шесть часов – у человека на это уходит несколько месяцев. Причем итоговый результат по качеству оказался как минимум не хуже того, что демонстрируют специалисты в данной области. На практике эти возможности ИИ Google использует в разработке нового поколения своих тензорных процессоров – ускорителей ИИ.

Google «геймифицирует» проектирование процессоров

Специалисты Google обучили искусственный интеллект (ИИ) разрабатывать дизайн микросхем. Статью, посвященную данной теме, исследовательское подразделение корпорации Google Research опубликовало в авторитетном научном журнале Nature.

Как выяснилось, алгоритмы справляются с этой задачей намного быстрее человека, а качество итогового продукта нередко превосходит результаты работы специалистов в данной области. 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).

Слева – дизайн, разработанный человеком, справа – машиной

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.

Необычные дизайны

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.

Фундамент для будущих разработок

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.

Тысячи предпринимателей готовы поспособствовать инновационному развитию Москвы
Инновации и стартапы

На этот эмпирический закон, согласно которому количество транзисторов на кристалле удваивается каждые два года, продолжают ориентироваться производители чипов. Аксиома была сформулирована в 70-е годы XX века основателем Intel Гордоном Муром (Gordon Moore).

googletpu600.jpg
Анонсированные Google в 2017 г. тензорные процессоры второго поколения

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.

Тензорные процессоры – аппаратные ускорители алгоритмов ИИ, оперирующие особыми объектами, так называемыми тензорами, и предназначенные для выполнения узкого спектра математических операций, например, умножения матриц.

Таким образом, в Google ИИ принимает непосредственно участие в ускорении развития ИИ.

Дмитрий Степанов

Короткая ссылка