Google は、AI による機械学習を利用して、次世代の電子チップの設計を支援しています。人間のエンジニアはチップのさまざまなコンポーネントの最適な配置を見つけるのに何か月もかかりますが、AI はわずか 6 時間の作業でより良い結果を得ることができます。
Google は長年にわたり、自社のアプリケーションやサービスの大部分に AI を統合することに注力してきました。彼の会見中Google I/O 2021たとえば、マウンテンビュー企業は、AI を活用した皮膚科支援ツールを発表しました。数枚の写真を使用して肌の問題を特定する。
今回、Googleの研究者らは、AIの機械学習を利用して次の電子チップを設計することを決定した。次の TPU(テンソル処理ユニット)。念のために言っておきますが、これはニューラル ネットワークを使用して人工知能システムを改善するために Google によって特別に設計された集積回路です。言い換えると、Google は AI を活用して AI の開発を加速しています。
Google が説明しているように、パフォーマンスと実行速度を組み合わせる理想的なチップ設計を見つけるには、エンジニアは通常数か月かかります。このタスクは「」と呼ばれますフロアプランニング」は、チップのサブシステムの最適なレイアウトを見つける。しかし、カリフォルニアの巨大企業の研究者らによると、ちょうど6時間の労働アルゴリズムは、人間が設計したものよりも効率的なチップを開発することができました。
こちらもお読みください:Facebookは史上最も難しいビデオゲームをクリアできるAIを開発したいと考えている
これを実現するために、Google の研究者は次のアイデアを思いつきました。AIの目の前でゲームのようにチップ設計を整理する。つまり、ゲームボードの代わりにシリコンダイが用意されています。ポーンのような駒の代わりに、CPU や GPU などのコンポーネントがあります。したがって、ここでの目的は、次のことを行うために、可能な限り最良の配置を見つけることです。最適な計算効率を実現します。
次に、研究者らは、以下から構成されるデータセットを介して AI をトレーニングしました。さまざまな品質の 10,000 の弾丸プラン、その一部はランダムに生成されます。 「」の機能褒美"実行された各設計には、エネルギー消費などのさまざまな分野での成功に基づいて、特定の設計が割り当てられました。その後、アルゴリズムは次のことを行うことができました。最も効果的な計画とあまり良くない計画を見分ける、その後、独自の計画を生成できます。 Googleはすでにこのシステムを採用しており、生産コストを削減し、より効率的なチップを生産するためにそれを使用する予定です。
ソース ：ザ・ヴァージ
