Компания Google использует машинное обучение для разработки следующего поколения чипов для машинного обучения. По словам инженеров Google, схемы алгоритмов «сопоставимы или превосходят» конструкции, созданные людьми, но могут быть созданы намного быстрее. Отмечается, что работа, на которую у людей уходят месяцы, может быть выполнена с помощью ИИ менее чем за 6 часов.
Google на протяжении нескольких лет работает над тем, как можно использовать машинное обучение для создания чипов. И, суя по всему, компания впервые применила свои разработки к коммерческому продукту – 1 грядущим версиям чипов Google TPU (tensor processing unit), оптимизированным для ИИ-вычислений.
Инженеры Google отмечают, что эта работа имеет «серьёзные последствия» для индустрии чипов. Она должна позволить компаниям быстрее изучить возможные объёмы архитектуры для будущих проектов и упростить подгонку чипов для конкретных рабочих нагрузок.
Конкретная задача, которую решают алгоритмы Google, известна как «планирование этажа». Обычно она требует, чтобы люди-инженеры при помощи компьютерных инструментов нашли оптимальную компоновку кремниевого кристалла для подсистем чипа. Эти компоненты включают в себя CPU, GPU, память, которые связаны вместе с помощью множества соединений. Решение о том, где разместить каждый компонент на кристалле, влияет на конечную скорость и эффективность чипа. Таким образом, даже незначительные изменения в размещении компонентов могут иметь огромные последствия.
Инженеры Google отмечают, что проектирование «планирования этажа» требует от людей «месяцев напряжённых усилий». Но алгоритмы искусственного интеллекта могут справиться с этой задачей существенно быстрее. Ранее ИИ-алгоритмы уже доказали свою эффективность в играх и смогли превзойти людей в шахматах и го. «Планирование этажей» аналогично игровым задачам. Но вместо игровой доски используется кремниевый кристалл, а вместо фигур, таких как рыцари и ладьи, – логические компоненты чипа. Таким образом, задача состоит в том, чтобы просто найти «условия выигрыша» для каждой доски. В шахматах это может быть мат, в дизайне микросхем – вычислительная эффективность.
Инженеры Google обучили систему с применением 10 тыс. наборов данных различных «планирований этажа». Каждый вариант был отмечен определённой функцией «вознаграждения», основанной на его успешности по различным показателям, таким как длина требуемого соединения и потребление энергии. Затем алгоритм использовал эти данные, чтобы различать хорошие и плохие планы этажей и, в свою очередь, генерировать свои собственные проекты.
При этом оказалось, что алгоритмы ИИ компонуют чипы совсем не так, как люди. Вместо аккуратно расположенных рядов компонентов, подсистемы выглядят так, как будто они почти случайно разбросаны по кристаллу.
Источник: The Verge
