Google использует искусственный интеллект для разработки следующего поколения чипов машинного обучения. По словам инженеров Google, архитектура, предложенная алгоритмом, «сравнима или превосходит» архитектуру, созданную людьми. Но при этом она генерируется гораздо быстрее. Работа, которая обычно занимает месяцы, может быть выполнена искусственным интеллектом менее чем за шесть часов.
Машины создают машины
Google много лет пытался приспособить машинное обучение для создания чипов, но теперь эта технология впервые используется для коммерческого продукта. Согласно статье, опубликованной недавно в журнале Nature, новые модели тензорных процессоров Google TPU спроектированы искусственным интеллектом.
Google TPU - специальные чипы, предназначенные для обработки машинного обучения и искусственного интеллекта. А значит, ИИ теперь создает технологии, необходимые для работы более продвинутого ИИ. В определенном смысле, искусственный интеллект совершенствует себя сам.
Инженеры Google отмечают, что эта работа имеет «серьезные последствия» для индустрии чипов. Она позволит компаниям быстрее проектировать архитектуры для будущих проектов и упростит создание чипов для конкретных задач.
Продолжение эволюции
Редакционная статья в Nature называет исследование «важным достижением», и отмечает, что работа может отсрочить или отменить конец закона Мура.
Закон Мура - наблюдение, согласно которому количество транзисторов, размещаемых на кристалле интегральной схемы удваивается каждые два года. Это утверждение было сформулировано еще в 70-е годы и долгое время соответствовало действительности. Но чем дальше развиваются технологии, тем сложнее производителям чипов держать заданный темп.
Конечно, рано или поздно этот закон неизбежно перестанет работать из-за атомарной природы вещества. Даже искусственный интеллект не сможет обойти законы природы. Но даже если ИИ не решит физическую проблему размещения транзисторов на чипах, он сможет найти другие пути для повышения производительности с той же скоростью. То есть, развитие и ускорение компьютерных технологий продолжится.
Игра в планирование
Конкретная задача, которую решали алгоритмы Google, известна как «поуровневое планирование». Обычно им занимаются человеческие разработчики, которые с помощью компьютерных инструментов пытаются найти оптимальную компоновку для элементов на кремниевой матрице чипа.
Эти компоненты включают в себя центральный процессор, графические процессоры и ядра памяти, которые соединены десятками километров микроскопической проводки. Положение каждого компонента на матрице влияет скорость и эффективность работы кристалла. Учитывая же масштаб производства чипов и вычислительные циклы, изменение конструкции даже на нанометр может оказать огромный эффект на работу финального продукта.
Инженеры Google отмечают, что обычно поуровневое планирование требует «месяцев интенсивных усилий». Но машинное обучение делает работу за часы. Для искусственного интеллекта проектирование архитектуры чипа не отличается от игры. Вместо игровой доски у него имеется кремниевая матрица. Вместо фигур - компоненты чипа. Задача состоит в том, чтобы найти «выигрышное условие». выигрышным условием считается максимальная эффективность работы чипа.
Как конкретно это работает?
Инженеры Google обучили алгоритм на основе набора данных из десяти тысяч образцов архитектуры чипов различного качества. Некоторые из них были сгенерированы случайным образом. Для каждого дизайна были указаны различные метрики чипа, вроде длины проводки и энергопотребления. Алгоритм использовал все эти данные, чтобы научиться понимать разницу между удачной и неудачной архитектурой.
Когда системы ИИ побеждают людей в настольных играх, машины не обязательно мыслят как люди и часто приходят к неожиданным решениям. При проектировании чипов наблюдается тот же эффект. ИИ приходит к решениям, которые ни за что бы не пришли в голову живому человеку. И эти решения работают.
По словам инженеров Google, результат работы ИИ не похож на схему, созданную человеком. Люди размещают компоненты аккуратными рядами, в то время как архитектура, созданная ИИ, больше похожа на хаотичное нагромождение компонентов. Но в работе этот контринтуитивный хаос оказывается более эффективным и надежным.
Важность этой технологии трудно переоценить. Весьма вероятно, рано или поздно наступит момент, когда искусственный интеллект начнет проектировать не только специфические TPU-процессоры, но и другие чипы. А значит, наши компьютеры и гаджеты будущего будут создаваться уже не человеческой логикой.
