Pesquisadores do Google publicou um novo artigo em N Ature na quarta-feira descrevendo”uma arquitetura de rede neural convolucional baseada em gráficos”que aprendeu como projetar o layout físico de um semicondutor de uma forma que permite”que o projeto do chip seja executado por agentes artificiais com mais experiência do que qualquer projetista humano”. Curiosamente, o Google usou IA para projetar outros chips de IA que oferecem mais desempenho.
Este é um avanço significativo no design de chips que pode ter sérias implicações para o campo. Veja como os pesquisadores descreveram sua realização no resumo do artigo (cujo texto completo não está disponível ao público), impresso pela Nature:
“Apesar de cinco décadas de pesquisa, o planejamento de chips desafiou a automação, exigindo meses de intenso esforço dos engenheiros de design físico para produzir layouts fabricáveis. Aqui, apresentamos uma abordagem de aprendizado de reforço profundo para o planejamento de cavacos. Em menos de seis horas, nosso método gera automaticamente planos de piso de cavacos que são superiores ou comparáveis aos produzidos por humanos em todas as principais métricas, incluindo consumo de energia, desempenho e área de chip.” As capacidades deste método não eram apenas conjecturas. Os pesquisadores do Google disseram que ele foi usado para projetar a próxima geração de unidades de processamento de tensores (TPUs) que a empresa usa para aprendizado de máquina. Então, eles essencialmente ensinaram uma inteligência artificial a projetar chips que melhoram o desempenho da inteligência artificial. Esse loop parece ser intencional. Os pesquisadores disseram que”acreditam que um hardware projetado para IA mais poderoso irá alimentar avanços na IA, criando uma relação simbiótica entre os dois campos.”Esses avanços também podem ter outros benefícios, especialmente se os chips projetados por IA realmente forem melhores”em todas as principais métricas”. Seria interessante saber como isso pode afetar os planos relatados do Google para desenvolver seu próprio system-on-chips (SoC) para uso em telefones e Chromebooks. A empresa já está mudando para processadores personalizados para algumas tarefas-ela provavelmente substituiu milhões de CPUs Intel com suas próprias unidades de transcodificação de vídeo-também. O método descrito neste documento provavelmente não se limitaria a TPUs; a empresa provavelmente seria capaz de usá-lo para melhorar outros circuitos integrados de aplicativos específicos (ASICs) destinados a atender a funções específicas. Esse avanço pode tornar muito mais fácil desenvolver esses ASICs para que o Google possa descartar mais soluções prontas para uso. Outros desenvolvedores também podem se beneficiar da pesquisa, porque o Google disponibilizou TPUs por meio de uma placa dedicada também como Google Cloud . Supondo que a empresa não mantenha essas TPUs de última geração para si mesma, os desenvolvedores devem ser capazes de tirar proveito dessa inteligência artificial ouroboros em pouco tempo.
