继击败人类棋手后，人工智能在下一代AI芯片设计中再胜人类设计师

出品：放牛班的机密花园
来源：Verge
编译：Sail2008
责任编辑：Sunnisky

科技巨头谷歌正运用机器学习来协助设计下一代机器学习芯片，此举或将给将来的芯片设计产业带来一场革命。

谷歌在其即将推出的下一代TPU芯片中运用了AI算法设计。


该公司表示，AI算法设计与人类设计功能相当甚至优于人类设计，但设计效率要比后者高得多。人工智能可以在不到6小时的工夫内完成人类芯片设计师需时数月才能完成的工作。

谷歌2017年发布的TPUv2芯片

谷歌多年来不断在研讨如何用机器学习来制造芯片，但本周发表在《自然》杂志一篇论文上的这项研讨似乎是其研讨成果初次运用于商业产品：谷歌即将发布本人的下一代TPU（张量处理单元）芯片，该芯片针对人工智能计算停止了优化。


“我们的方法已运用于设计下一代谷歌TPU，”论文作者写道，他们的团队指导者是谷歌机器学习系统的担任人Azalia Mirhoseini。


换句话说，人工智能正在协助加速人工智能的将来发展。


谷歌的工程师们在论文中指出，该研讨成果对芯片业具有“严重影响”。它使各公司能更快地为下一代芯片设计探求能够的架构空间，更容易为特定工作负载定制芯片。


《自然》杂志的一篇社论称该研讨是一项“严重成就”，指出此类工作能协助抵消预测中的摩尔定律终结。摩尔定律是始于20世纪70年代的芯片设计定律，它称芯片上的晶体管数量每两年就会翻一番。


人工智能不一定能处理将越来越多的晶体管紧缩到芯片上的物理应战，但它能协助找到以异样的速度提高功能的其他途径。


谷歌的TPU芯片是其云服务的一部分，并用于其外部的人工智能研讨。

谷歌算法处理的详细义务被称为“平面规划”。这通常需求人类芯片设计师在计算机工具的协助下为芯片的子系统找到硅芯片的最佳规划。这些元器件包括CPU、GPU和存储器核等，它们经过几十公里长的微型线路衔接在一同。


选择每个元器件在芯片上的详细地位会影响芯片的最终速度和效率。而且，思索到芯片制造的规模和计算周期，纳米级的地位变化最终会产生宏大的影响。

谷歌的芯片研发工程师们指出，设计芯片平面图对人类来说需求付出“长达数月的极大努力”，但从机器学习的角度来看，有一种熟习的方法可以处理这个成绩：游戏。


人工智能曾经一次又一次地证明了它能在国际象棋和围棋等棋类游戏中胜过人类棋手，谷歌的芯片设计研讨者以为，元件平面规划与此类应战相似。只不过不是在棋盘上，而是在硅片上，用的不是马和车这些棋子，而是CPU和GPU这样的元器件。接上去的义务不过是找到每个棋盘的“获胜条件”。在国际象棋中就是将死对方，在芯片设计中就是计算效率。

谷歌的芯片设计研讨者在由1万个质量各异的芯片平面图组成的数据集上训练一种强化学习算法，其中一些芯片平面图是随机生成的。


基于其在不同目的（如所需线路长度和功耗）上的成绩表现，每个设计都带有特定的“奖励”功能。算法再应用这些数据来区分好平面规划与坏平面规划，并相应地生成本人的设计。


正如我们所看到的，当AI系统在棋类游戏中应战人类时，机器未必会像人类那样思索，而是常常会对熟习的成绩提出意想不到的处理方案。当DeepMind的AlphaGo与人类冠军李世石对弈时，这一出棋路数培育了著名的“第37步”——看似不合逻辑的人工智能棋子规划最终却获得了成功。


谷歌的芯片设计算法并未产生如此戏剧性的变化，但它设计的芯片平面规划看起来与人类芯片设计师的设计完全不同。看起来子系统的元器件不是划一陈列在硅片上，而是几乎随机分布在硅片上的。


《自然》杂志的一幅插图展现了这种差异，左边是人类设计，左边是机器学习设计。你也可以从来自谷歌论文的下图中看到其总体差异（左边是有序的人类设计，左边是混乱的人工智能设计）。论文作者对图片停止了模糊处理，由于其中触及到部分保密设计。

左为人类设计芯片平面图，右为人工智能设计平面图

这篇论文值得注重，尤其是由于其研讨成果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方面，谷歌本人就探求了在“架构研讨”等其他环节运用人工智能，而英伟达等竞争对手也在研讨其它方法来加快工作流程。


用人工智能设计AI芯片的良性循环似乎才刚刚末尾。

声明：著作权一切，转载需授权
Come on，给你的灵魂充充电