آیا می خواهید میلیاردها ترانزیستور را روی یک تراشه قرار دهید؟ بگ
ARTIFICIAL INTELLIGENCE اکنون به طراحی تراشه های رایانه ای کمک می کند - از جمله موارد مورد نیاز برای اجرای قوی ترین کد AI.
ترسیم تراشه رایانه ای هر دو پیچیده و پیچیده است ، و طراحان را ملزم می کند که میلیاردها جز on را روی سطحی کوچکتر از ناخن قرار دهند. تصمیم گیری در هر مرحله می تواند عملکرد و قابلیت اطمینان نهایی تراشه را تحت تأثیر قرار دهد ، بنابراین بهترین طراحان تراشه برای ایجاد مدارهایی که بهترین عملکرد و بازده انرژی دستگاه های نانوسکوپی را فشرده می کنند ، به سالها تجربه و دانش دانش سخت اعتماد می کنند. تلاش های قبلی برای خودکار سازی طراحی تراشه طی چندین دهه بسیار کم انجام شده است.
اما پیشرفت های اخیر در هوش مصنوعی این امکان را برای الگوریتم ها فراهم کرده است که برخی از هنرهای تاریک را که در طراحی تراشه نقش دارند ، فرا بگیرند. این امر باید به شرکت ها کمک کند تا در زمان بسیار کمتری نقشه های قدرتمندتر و کارآمدتری تهیه کنند. نکته مهم ، این رویکرد همچنین می تواند به مهندسان کمک کند تا با طراحی نرم افزارهای مختلف AI به منظور ایجاد پیکربندی بهینه از هر دو ، نرم افزار AI را طراحی کنند.
در همان زمان ، افزایش هوش مصنوعی علاقه جدیدی را به انواع طراحی های جدید تراشه ها برانگیخته است. تراشه های پیشرفته به طور فزاینده ای در تمام گوشه و کنار اقتصاد ، از اتومبیل گرفته تا دستگاه های پزشکی گرفته تا تحقیقات علمی ، بسیار مهم هستند.
سازندگان تراشه ، از جمله انویدیا ، گوگل و IBM ، همه در حال آزمایش ابزارهای هوش مصنوعی هستند که به ترتیب قطعات و سیم کشی روی تراشه های پیچیده کمک می کنند. این رویکرد ممکن است صنعت تراشه را متزلزل کند ، اما همچنین می تواند پیچیدگی های جدید مهندسی را ایجاد کند ، زیرا نوع الگوریتم های مستقر شده گاهی اوقات می تواند به روش های غیر قابل پیش بینی رفتار کند.
در انویدیا ، هاکسینگ "مارک" رن ، دانشمند اصلی تحقیق ، در حال آزمایش است که چگونه یک مفهوم هوش مصنوعی معروف به یادگیری تقویت می تواند به ترتیب اجزای سازنده بر روی تراشه و نحوه اتصال آنها به هم کمک کند. این رویکرد ، به شما اجازه می دهد تا یک ماشین از تجربه و آزمایش بیاموزد ، برای برخی از پیشرفتهای عمده در AI مهم بوده است.
ابزارهای هوش مصنوعی که رن در حال آزمایش است ، طراحی های مختلف تراشه را در شبیه سازی کشف کرده و یک شبکه عصبی مصنوعی بزرگ را آموزش می دهد تا تشخیص دهد کدام تصمیمات در نهایت یک تراشه با عملکرد بالا تولید می کنند. رن می گوید این رویکرد باید تلاش مهندسی مورد نیاز برای تولید تراشه را در حین تولید تراشه ای که با عملکرد طراحی شده توسط انسان مطابقت دارد یا از آن فراتر می برد ، به نصف کاهش دهد.
رن می گوید: "شما می توانید تراشه ها را با کارایی بیشتری طراحی کنید." "همچنین این فرصت را به شما می دهد تا فضای طراحی بیشتری را کاوش کنید ، به این معنی که می توانید تراشه های بهتری بسازید."
انویدیا شروع به ساخت کارت های گرافیک برای گیمرها کرد اما به سرعت پتانسیل تراشه های مشابه را برای اجرای الگوریتم های قدرتمند یادگیری ماشین مشاهده کرد و اکنون یکی از تولید کنندگان برتر تراشه های پیشرفته AI است. رن می گوید انویدیا قصد دارد تراشه هایی را که با استفاده از هوش مصنوعی ساخته شده اند به بازار بیاورد اما حاضر به گفتن این موضوع به زودی نیست. در آینده دورتر ، او می گوید ، "احتمالاً قسمت عمده ای از تراشه هایی را که با هوش مصنوعی طراحی شده اند ، خواهید دید."
بدون هیچ گونه دستورالعمل صریح و قانونی در مورد قوانین بازی یا اصول بازی خوب ، از آموزش تقویت به طور معروفی برای آموزش رایانه برای انجام بازی های پیچیده ، از جمله بازی روی صفحه Go ، با مهارت فوق بشری استفاده شد. این نوید برنامه های مختلف عملی ، از جمله آموزش ربات ها برای درک اشیا new جدید ، پرواز هواپیماهای جنگنده و تجارت الگوریتمی سهام است.
سونگ هان ، استادیار مهندسی برق و علوم کامپیوتر در MIT ، می گوید که یادگیری تقویت کننده پتانسیل قابل توجهی را برای بهبود طراحی تراشه ها نشان می دهد ، زیرا ، مانند یک بازی مانند Go ، پیش بینی تصمیمات خوب بدون سالها تجربه دشوار است تمرین.
گروه تحقیقاتی وی اخیراً ابزاری را ایجاد کرده است که با استفاده از یادگیری تقویتی ، با بررسی طرحهای مختلف تراشه در شبیه سازی ، اندازه بهینه ترانزیستورهای مختلف را روی تراشه رایانه شناسایی می کند. نکته مهم ، این که می تواند آنچه را که از یک نوع تراشه آموخته است به دیگری انتقال دهد ، که نوید می دهد هزینه اتوماسیون فرآیند را کاهش می دهد. در آزمایشات ، ابزار هوش مصنوعی طرحهای مداری را تولید کرد که 2.3 برابر کارآمدتر از انرژی بود در حالی که یک پنجم تداخل طراحی شده توسط مهندسان انسانی ایجاد می کند. محققان MIT در حال کار بر روی الگوریتم های هوش مصنوعی همزمان با طراحی تراشه های جدید برای استفاده بهینه از هر دو هستند.
سایر فعالان صنعت - به ویژه آنهایی که سرمایه گذاری های زیادی برای توسعه و استفاده از هوش مصنوعی می کنند - نیز به دنبال اتخاذ هوش مصنوعی به عنوان ابزاری برای طراحی تراشه هستند.