Google использует искусственный интеллект для его же ускорения

Новый алгоритм обучения Google научился оптимизировать размещение компонентов на компьютерном чипе, чтобы сделать его более эффективным и менее энергоемким.

Об этом пишет издание Technology Review.

Размещение чипа является сложной трехмерной проблемой проектирования. Это требует тщательной настройки сотен, а иногда и тысяч компонентов на нескольких уровнях в ограниченной области. Традиционно инженеры вручную проектируют конфигурации, которые сводят к минимуму количество проводов, используемых между компонентами в качестве показателя эффективности. Затем они используют программное обеспечение для автоматизации электронного проектирования, чтобы смоделировать и проверить их производительность, что может занять до 30 часов для одного этапа работы.

Из-за времени, потраченного на каждую конструкцию чипа, чипы традиционно рассчитаны на срок от двух до пяти лет. Но поскольку алгоритмы машинного обучения быстро развиваются, потребность в новых архитектурах микросхем также ускорилась. В последние годы несколько алгоритмов для оптимизации планирования микросхемы стремились ускорить процесс проектирования, но они были ограничены в своей способности оптимизировать для множества целей, включая энергопотребление чипа, вычислительную производительность и площадь.

В ответ на эти вызовы исследователи Google Анна Голди и Азалия Мирхосейни придумали новый подход: усиленное машинное обучение. Алгоритмы используют положительные и отрицательные отзывы для изучения сложных задач. Таким образом, исследователи разработали “функцию вознаграждения”, чтобы наказывать и вознаграждать алгоритм в соответствии с производительностью его проектов. Затем алгоритм произвел от десятков до сотен тысяч новых проектов, каждый за долю секунды, и оценил их, используя функцию вознаграждения. Со временем он выработал окончательную стратегию оптимального размещения компонентов микросхемы.

После проверки проектов с помощью программного обеспечения для автоматизации проектирования электроники, исследователи обнаружили, что многие планы алгоритма работали лучше, чем разработанные людьми-инженерами. По словам исследователей, он также научил своих коллег-людей некоторым хитростям.