I risultati di Google sarebbero “comparabili o superiori” a quelli creati dagli esseri umani ma raggiunti molto più velocemente.
Google sta utilizzando il machine learning per progettare la sua prossima generazione di chip. I risultati, come riporta The Verge, sarebbero “comparabili o superiori” a quelli creati dagli esseri umani, ma possono essere generati a un tasso di velocità superiore. Secondo il gigante della tecnologia, un’attività che richiede mesi per gli esseri umani può essere svolta dall’intelligenza artificiale in meno di sei ore.
Google ha lavorato su come utilizzare l’apprendimento automatico per creare chip per anni ma questo recente sforzo – descritto in un articolo sulla rivista Nature – sarebbe la prima applicazione a un prodotto commerciale: un imminente versione dei chip TPU (unità di elaborazione del tensore) di Google, ottimizzati per il calcolo AI.
“Il nostro metodo è stato utilizzato per progettare la prossima generazione di Google TPU“, scrivono gli autori dell’articolo, co-guidati dai ricercatori di Google Azalia Mirhoseini e Anna Goldie.
L’intelligenza artificiale, in altre parole, sta aiutando ad accelerare il futuro dello sviluppo dell’intelligenza artificiale.
Nel documento, gli ingegneri di Google notano che questo lavoro ha “importanti implicazioni” per l’industria dei chip. Un editoriale su Nature definisce la ricerca un “risultato importante” e osserva che tale lavoro potrebbe aiutare a compensare la fine prevista della Legge di Moore, un assioma della progettazione dei chip degli anni ’70 che afferma che il numero di transistor su un chip raddoppia ogni due anni. L’intelligenza artificiale non risolverà necessariamente le sfide fisiche, ma potrebbe aiutare a trovare altri percorsi per aumentare le prestazioni allo stesso ritmo.
L’intelligenza artificiale ha dimostrato più e più volte di poter superare gli umani in giochi da tavolo come scacchi e Go, e gli ingegneri di Google notano che lo sviluppo dei chip è analogo a tali sfide. Il compito, quindi, è semplicemente trovare le “condizioni di vittoria” di ciascuna situazione.
Gli ingegneri di Google hanno addestrato un algoritmo di apprendimento per rinforzo su un set di dati di 10.000 planimetrie di chip di varia qualità, alcune delle quali sono state generate casualmente. Ogni progetto è stato etichettato con una specifica funzione di “ricompensa” in base al suo successo in diverse metriche come la lunghezza del cavo richiesta e il consumo di energia. L’algoritmo ha quindi utilizzato questi dati per distinguere tra planimetrie buone e cattive e generare a turno i propri progetti.
