Dirbtinio intelekto (DI) raida sparčiai keičia mūsų darbo, mokymosi ir bendravimo būdus, transformuodama pramonės šakas visame pasaulyje. Šį pokytį pirmiausia lemia pažangus AI gebėjimas mokytis iš didesnių duomenų rinkinių. Nors didesni modeliai padidina AI duomenų apdorojimo galią, jiems taip pat reikia daugiau apdorojimo galios ir energijos vartojimo efektyvumo. Dirbtinio intelekto modeliams tampant sudėtingesniems, tradicinis lustų dizainas stengiasi neatsilikti nuo greičio ir efektyvumo, reikalingo šiuolaikinėms programoms.
Nepaisant AI algoritmų pažangos, fiziniai lustai, kuriuose naudojami šie algoritmai, tampa kliūtimis. Kuriant pažangioms AI programoms skirtas lustus reikia subalansuoti greitį, energijos suvartojimą ir sąnaudas, dažnai užtrunka kelis mėnesius kruopštaus darbo. Ši auganti paklausa atskleidė tradicinių lustų projektavimo metodų apribojimus.
Reaguodama į šiuos iššūkius, „Google“ sukūrė naujovišką kompiuterių lustų projektavimo sprendimą. Įkvėpta žaidimų AI, pvz., AlphaGo, „Google“ sukūrė AlphaChip – AI modelį, kuris lustų kūrimą priartina kaip žaidimą. Šis modelis padeda „Google“ sukurti galingesnius ir efektyvesnius „Tensor Processing Units“ (TPU) lustus. Štai kaip veikia AlphaChip ir kodėl tai keičia lustų dizainą.
Kaip veikia AlphaChip
AlphaChip projektuoja lustą taip, lyg tai būtų žaidimo lenta, kur kiekvienas komponento išdėstymas yra apskaičiuotas žingsnis. Įsivaizduokite projektavimo procesą kaip šachmatų žaidimą, kur kiekvienai figūrai reikia tinkamos jėgos, atlikimo ir ploto vietos. Tradiciniai metodai suskaido lustus į mažesnes dalis ir sutvarko juos bandymų ir klaidų būdu. Inžinieriams tai gali užtrukti savaites. Tačiau AlphaChip tai pagreitina mokydamas AI „žaisti“ dizaino žaidimą, mokydamasis greičiau nei žmogus dizaineris.
AlphaChip naudoja gilų sustiprinimo mokymąsi, kad vadovautų savo judesiams, pagrįstiems atlygiais. Jis prasideda tuščiu tinkleliu, dedant kiekvieną grandinės komponentą po vieną, koreguojant. Kaip ir šachmatininkas, AlphaChip „mato į priekį“, numatydamas, kaip kiekviena vieta paveiks bendrą dizainą. Jis tikrina laidų ilgį ir vietas, kur dalys gali sutapti, ir ieško efektyvumo problemų. Baigęs maketą, AlphaChip gauna „atlygį“, pagrįstą jo dizaino kokybe. Laikui bėgant jis sužino, kurie išdėstymai veikia geriausiai, ir tobulina savo paskirties vietas.
Viena iš galingiausių AlphaChip savybių yra jos gebėjimas mokytis iš ankstesnių dizainų. Šis procesas, vadinamas perkėlimo mokymusi, padeda dar greičiau ir tiksliau įveikti naujus dizainus. Su kiekvienu išdėstymu, kurį sprendžia, AlphaChip greičiau ir geriau kuria dizainą, kuris konkuruoja ar netgi viršija žmonių dizainerių sukurtus dizainus.
„AlphaChip“ vaidmuo formuojant „Google“ TPU
Nuo 2020 m. „AlphaChip“ vaidino labai svarbų vaidmenį kuriant „Google“ TPU lustus. Šie lustai sukurti taip, kad atlaikytų didelius dirbtinio intelekto darbo krūvius, pvz., didžiuliai Transformer modeliai, kuriais skatinamos pagrindinės „Google“ AI iniciatyvos. „AlphaChip“ leido „Google“ nuolat didinti šių modelių mastelį, palaikydama pažangias sistemas, tokias kaip „Gemini“, „Imagen“ ir „Veo“.
Kiekvienam naujam TPU modeliui AlphaChip treniruojasi pagal senesnius lustų išdėstymus, pvz., tinklo blokus ir atminties valdiklius. Kai jis bus išmokytas, AlphaChip sukuria aukštos kokybės maketus naujiems TPU blokams. Skirtingai nuo rankinių metodų, jis nuolat mokosi ir prisitaiko, tiksliai derindamas save su kiekviena atliekama užduotimi. Naujausias TPU leidimas, 6-osios kartos „Trillium“, yra tik vienas pavyzdys, kai „AlphaChip“ patobulino projektavimo procesą paspartindama kūrimą, sumažindama energijos poreikį ir padidindama kiekvienos kartos našumą.
Būsimas „AlphaChip“ poveikis mikroschemų dizainui
„AlphaChip“ kūrimas parodo, kaip AI keičia mūsų lustų kūrimo būdą. Dabar, kai ji yra viešai prieinama, lustų dizaino pramonė gali naudoti šią naujovišką technologiją procesui supaprastinti. AlphaChip leidžia išmaniosioms sistemoms perimti sudėtingus dizaino aspektus, todėl jis tampa greitesnis ir tikslesnis. Tai gali turėti didelį poveikį tokioms sritims kaip AI, plataus vartojimo elektronika ir žaidimai.
Tačiau „AlphaChip“ skirta ne tik dirbtiniam intelektui. „Alphabet“ viduje tai buvo labai svarbu kuriant tokius lustus kaip „Google Axion Processors“ – pirmieji „Alphabet“ duomenų centrams skirti procesoriai, pagrįsti „Arm“. Pastaruoju metu jos sėkmė patraukė kitų pramonės lyderių, įskaitant „MediaTek“, dėmesį. Naudodama AlphaChip, MediaTek siekia paspartinti savo kūrimo ciklus ir padidinti savo produktų našumą bei energijos vartojimo efektyvumą. Šis poslinkis rodo, kad dirbtinio intelekto lusto dizainas tampa nauju pramonės standartu. Kai vis daugiau įmonių pradeda naudoti AlphaChip, galime pastebėti didelę pažangą lusto našumo, efektyvumo ir sąnaudų srityje.
„AlphaChip“ ne tik pagreitina projektavimą, bet ir gali padaryti skaičiavimą tvarų. Tiksliai išdėstydama komponentus, AlphaChip sumažina energijos suvartojimą ir nereikia daug laiko atimančių rankinių pakeitimų. Dėl to lustai sunaudoja mažiau energijos, o tai savo ruožtu gali žymiai sutaupyti energijos naudojant didelio masto programas. Kadangi tvarumas tampa pagrindiniu technologijų plėtros akcentu, AlphaChip yra esminis žingsnis siekiant sukurti ekologiškus techninės įrangos sprendimus.
AI varomo lusto dizaino iššūkiai
Nors AlphaChip yra lustų dizaino proveržis, dirbtinio intelekto valdomi procesai nėra be iššūkių. Viena reikšminga kliūtis yra didžiulė skaičiavimo galia, reikalinga „AlphaChip“ mokymui. Kuriant optimalius lustų išdėstymus, naudojami sudėtingi algoritmai ir didžiulis duomenų kiekis. Dėl to AlphaChip mokymas yra daug išteklių reikalaujantis ir kartais brangus procesas.
„AlphaChip“ lankstumas įvairiose aparatinės įrangos rūšyse turi ribas. Atsiradus naujoms lustų architektūroms, jos algoritmus gali reikėti reguliariai koreguoti ir tikslinti. Nors „AlphaChip“ pasirodė esanti veiksminga „Google“ TPU modeliuose, norint, kad jis sklandžiai veiktų visuose lustuose, reikės nuolat tobulinti ir pritaikyti.
Galiausiai, nors AlphaChip kuria efektyvius maketus, vis tiek reikia žmogaus priežiūros. Nors dirbtinis intelektas gali sukurti įspūdingus dizainus, yra smulkių detalių, kurias gali prižiūrėti tik patyręs inžinierius. Lustų išdėstymas turi atitikti griežtus saugos ir patikimumo standartus, o žmogaus peržiūra padeda užtikrinti, kad nieko svarbaus nebūtų pamiršta. Taip pat susirūpinimą kelia tai, kad per daug pasikliaujant AI gali būti prarasta vertinga žmogaus patirtis kuriant lustą.
Esmė
„Google AlphaChip“ keičia lusto dizainą, todėl jis tampa greitesnis, efektyvesnis ir tvaresnis. Dirbtinio intelekto valdoma AlphaChip gali greitai sukurti lustų išdėstymus, kurie pagerina našumą ir sumažina energijos sąnaudas kompiuterinėse programose. Tačiau yra iššūkių. „AlphaChip“ mokymas reikalauja didelės skaičiavimo galios ir išteklių. Taip pat reikalinga žmogaus priežiūra, kad būtų galima užfiksuoti detales, kurių AI gali nepastebėti. Kadangi lustų dizainas ir toliau vystosi, AlphaChip reikės reguliariai atnaujinti. Nepaisant šių kliūčių, „AlphaChip“ pirmauja link lustų dizaino efektyvesnio energijos vartojimo ateities.
