谷歌称其正在运用机器学习系统协助工程师设计新一代机器学习芯片。谷歌工程师表示，算法设计的芯片质量和人工设计“相当”甚至“还要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小时的工夫内完成人工需求数月工夫完成的芯片设计工作。
谷歌多年来不断在研讨如何运用机器学习制造芯片，本周谷歌员工发表在《自然》杂志的一篇论文证明此类研讨曾经运用于商业产品。谷歌末尾用人工智能设计自家的TPU芯片。
据悉，TPU芯片是运用于人工智能的芯片，专门针对人工智能计算停止了优化。“我们的方法曾经用于消费设计新一代谷歌TPU，”谷歌研讨迷信家、论文作者阿扎莉亚·米尔霍塞尼(Azalia Mirhoseini)和安娜·戈尔迪(Anna Goldie)写道。
换句话说，人工智能正在协助推进人工智能技术的提高。
谷歌工程师在论文中指出，这项工作对芯片行业有“严重影响”。这可以让公司在设计芯片时探求架构能够性的速度更快，为特定工作负载定制芯片也更便捷。
《自然》杂志的一篇回复称这项研讨是一项“重要成就”，并指出此类工作可以协助抵消摩尔定律的终结。摩尔定律是20世纪70年代出现的一个芯片设计准绳，也就是芯片上的晶体管数量每两年翻一番。人工智能不一定能打破物理极限、将越来越多的晶体管紧缩到芯片上，但可以协助工程师找到提高芯片功能的其他途径。
图示：谷歌的人工智能公用芯片TPU
谷歌算法处理的详细义务被称为“芯片版面规划”。通常状况下，设计师需求在计算机工具的协助下为CPU、GPU以及内存核心等芯片子系统找到在硅晶片上的最佳规划。这些芯片子系统经过总共长达几十公里的宏大线路衔接在一同，芯片上每个子系统的地位均会影响芯片的最终处理速度和效率。而且，思索到芯片制造的规模和计算周期，纳米层面上的地位调整最终会带来宏大影响。
谷歌工程师们指出，规划芯片版面对人来说需求“数月的紧张工作”，但从机器学习的角度来看，完全可以像下棋那样处理这个成绩。
人工智能曾经证明其可以在国际象棋和围棋等棋类游戏中胜过人类。谷歌工程师们指出，芯片版面规划与此类应战相似，只不过用的不是棋盘，而是硅片。棋盘上的棋子变成了CPU和GPU等芯片子系统器件。接上去的义务就是让机器学习系统找到“获胜条件”。在国际象棋比赛中是吃掉对方的王，而在芯片设计中是计算效率。
谷歌工程师应用芯片版面规划数据集来训练一种强化的机器学习算法，其中有1万个不同质量的芯片版面规划图，一些规划是随机生成的。每个规划图所需电线长度和功耗有所不同。然后，训练后的算法应用这些数据来区分版面规划的好坏，并相应生成新的设计。
当人工智能在棋类游戏中应战人类时，机器并不一定像人类那样思索，而且常常会对熟习成绩提出意想不到的处理方案。DeepMind的AlphaGo与围棋冠军李世石对弈时就是如此，人工智能看似不合逻辑的一步棋却最终获得了成功。
谷歌的芯片设计算法并没有带来如此戏剧性的变化，但其生成的芯片版面设计与人工设计完全不同。在人工智能设计的芯片版面中，各个子系统并没有划一陈列，看起来几乎是随机分散在硅片上。《自然》杂志的一幅插图展现了这种差异，左边是人工设计的芯片版面，左边则是机器学习系统设计的。由于相关设计是保密的，这些图片被作者有意做了模糊化处理。
图示：左边是人工设计的芯片版面，左边则是机器学习系统设计的
这篇论文之所以值得留意，是由于其研讨成果如今正被谷歌用于商业用途。但这远不是人工智能辅助芯片设计的独一运用。谷歌还在“架构探求”等芯片设计过程的其他部分运用人工智能，而英伟达等竞争对手也在研讨其他方法来加快芯片研发工作流程。用人工智能设计人工智能芯片的良性循环似乎才刚刚末尾。（网易） | 
