گوگل در مجله Nature* گزارش داد که در بخشی از مراحل طراحی تراشه جدید هوش مصنوعی (AI) خود که از نسل TPU version 4 می‌باشد، از هوش مصنوعی استفاده کرده‌اند. هوش مصنوعی آن‌ها، اکنون به کمتر از ۶ ساعت زمان احتیاج دارد تا معماری (floorplan) تراشه‌ای را تولید کند که از لحاظ توان مصرفی، کارایی و مساحت هم‌سطح یا حتی بهتر از طراحی‌های انجام شده توسط انسان‌ها باشد.
تا کنون کارهای خوب زیادی در زمینه‌ی توسعه‌ی تراشه‌هایی که به صورت اختصاصی برای هوش مصنوعی طراحی می‌شوند انجام شده است تا محاسبات را سریع‌تر و با کارایی بالاتری انجام دهند. مشکل آن است که برای طراحی یک تراشه سال‌ها زمان صرف می‌شود و از سوی دیگر الگوریتم‌ها و روش‌های یادگیری ماشین با سرعت بالاتری تغییر پیدا می‌کنند. به صورت ایده آل ما انتظار داریم که تراشه طراحی شده برای هوش مصنوعی، در زمان حال بهترین عملکرد را داشته باشد نه برای هوش مصنوعی چند سال گذشته. راه حل گوگل برای این مشکل، استفاده از هوش مصنوعی (AI) برای طراحی تراشه‌های AI است.
آزالیا میرحسینی، دانشمند محقق ارشد گوگل می‌گوید: “ما تاکنون دیده‌ایم که الگوریتم‌ها و معماری‌های شبکه عصبی‌ای وجود دارند که روی سخت افزارهای شتاب‌دهنده‌ی موجود عملکرد خوبی ندارند، چون این شتاب‌دهنده‌های سخت افزاری برای مثلا ۲ سال پیش طراحی شده بودند و آن زمان این شبکه‌های عصبی وجود نداشتند. اگر ما بتوانیم چرخه‌ی طراحی تراشه‌ها را کوتاه‌تر کنیم، می‌توانیم این فاصله را پر کنیم.”
میرحسینی به همراه آنا گلدی (Anna Goldie) مهندس نرم‌افزار ارشد، با تمرکز بر روی مرحله placement (جایابی) در طراحی تراشه‌ها که مرحله‌ای زمان‌بر است، این مساله را به صورت یک مساله‌ی یادگیری تقویتی (Reinforcement Learning) مدل‌سازی نمودند. در یک سیستم با یادگیری تقویتی بر خلاف روش‌های معمول یادگیری عمیق (Deep Learning) که یادگیری با استفاده از تعداد زیادی داده برچسب خورده که خروجی صحیح را به سیستم نشان می‌دهند، انجام نمی‌شود. بلکه یادگیری با استفاده از تنظیم پارامترها در شبکه براساس سیگنالی است که به سیستم وقتی درکاری موفق می شود جایزه می‌دهد. در این مورد، جایزه یک مقدار از ترکیب میزان کم شدن توان، بهتر شدن کارایی و کم شدن مساحت بود. بنابراین این سیستم با انجام دادن طراحی‌های بیشتر در کار خود بهتر و بهتر خواهد شد.
برای اطلاعات بیشتر می توانید به لینک زیر که مرجع اصلی این خبر می باشد مراجعه نمایید:
* لینک مقاله مجله Nature:
