谷歌正在使用人工智能比人類更快地設計其下一代人工智能芯片

人工智能可以在 6 小時內匹配或擊敗需要人類數月才能完成的設計

這些算法被用于設計即將推出的谷歌 TPU 芯片版本上圖是 2017 年發布的 TPUv2

谷歌正在使用機器學習來幫助設計其下一代機器學習芯片谷歌的工程師表示，該算法的設計與人類創造的設計相當或優于，但生成速度要快得多據這家科技巨頭稱，人工智能可以在不到 6 小時的時間內完成人類需要數月的工作

谷歌一直在研究如何使用機器學習創建的芯片多年，但最近這次努力—本周描述在雜志上的論文自然—似乎是在第一時間它的研究已應用于商業產品:即將到來谷歌自己的 TPU芯片版本，針對 AI 計算進行了優化。

換句話說，人工智能正在幫助加速人工智能發展的未來。

在論文中，谷歌的工程師指出，這項工作對芯片行業具有重大意義它應該允許公司更快地探索未來設計的可能架構空間，并更輕松地為特定工作負載定制芯片

Nature的一篇社論 稱這項研究是一項重要成就，并指出此類工作有助于抵消摩爾定律的預期終結——這是 1970 年代的芯片設計公理，它指出芯片上的晶體管數量每兩年翻一番. AI 不一定能解決將越來越多的晶體管擠到芯片上的物理挑戰，但它可以幫助找到以相同速度提高性能的其他途徑?；仡櫲斯ぶ悄艿臍v史，我們發現控制主義(Cybernetics)，符號主義(Symbolism)，連接主義(Connectivism)三種流派在AI的不同發展時期分別占據主導地位。

照片:谷歌

谷歌的 TPU 芯片作為其云服務的一部分提供，并在內部用于人工智能研究。。

谷歌算法處理的具體任務被稱為布局規劃這通常需要人類設計師借助計算機工具在硅片上為芯片子系統找到最佳布局這些組件包括 CPU，GPU 和內存內核之類的東西，它們使用數十公里的微小布線連接在一起決定在芯片上放置每個組件的位置會影響芯片的最終速度和效率而且，考慮到芯片制造的規模和計算周期，放置的納米變化最終可能會產生巨大的影響

谷歌將芯片設計的挑戰比作棋盤游戲

谷歌的工程師指出，設計平面圖需要人類花費數月的努力，但從機器學習的角度來看，有一種熟悉的方法可以解決這個問題:作為游戲。

人工智能一次又一次地證明，它可以在國際象棋和圍棋等棋盤游戲中勝過人類，谷歌的工程師指出，平面規劃類似于此類挑戰您有一個硅芯片，而不是游戲板您擁有 CPU 和 GPU 之類的組件，而不是像騎士和車之類的部件那么，任務就是簡單地找到每個板的獲勝條件在可能是將死的國際象棋中，在芯片設計中是計算效率

Google 的工程師在包含 10，000 個不同質量的芯片平面圖的數據集上訓練了強化學習算法，其中一些是隨機生成的每個設計都標有特定的獎勵功能，這取決于其在不同指標上的成果然后該算法使用這些數據來區分好的和壞的平面圖，并依次生成自己的設計

正如我們所見，當 AI 系統在棋盤游戲中與人類進行較量時，機器不一定像人類一樣思考，并且經常會針對熟悉的問題得出意想不到的解決方案當 DeepMind 的 AlphaGo 在圍棋中與人類冠軍李世石對弈時，這種動態導致了臭名昭著的第37步——AI看似不合邏輯的棋子放置，但最終導致了勝利

谷歌的芯片設計算法并沒有發生什么如此戲劇性的事情，但它的平面圖看起來與人類創建的平面圖大不相同子系統不是整齊排列在芯片上的組件，而是看起來幾乎隨機散布在硅片上Nature的插圖顯示了差異，左側是人類設計，右側是機器學習設計

這篇論文值得注意，特別是因為它的研究現在被谷歌商業使用但這遠非 AI 輔助芯片設計的唯一方面谷歌本身已經探索在流程的其他部分使用人工智能，比如架構探索，而英偉達等競爭對手正在研究其他方法來加快工作流程AI 為 AI 設計芯片的良性循環似乎才剛剛開始