谷歌人工智能不到6小时内完成人工需要数月时间的芯片设计工作

6月11日消息，谷歌称其正在使用机器学习系统帮助工程师设计新一代机器学习芯片。谷歌工程师表示，算法设计的芯片质量和人工设计“相当”甚至“还要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小时的时间内完成人工需要数月时间完成的芯片设计工作。

谷歌多年来一直在研究如何使用机器学习制造芯片，本周谷歌员工发表在《自然》杂志的一篇论文证实此类研究已经应用于商业产品。谷歌开始用人工智能设计自家的TPU芯片。

据悉，TPU芯片是应用于人工智能的芯片，专门针对人工智能计算进行了优化。“我们的方法已经用于生产设计新一代谷歌TPU，”谷歌研究科学家、论文作者阿扎莉亚·米尔霍塞尼(Azalia Mirhoseini)和安娜·戈尔迪(Anna Goldie)写道。

换句话说，人工智能正在帮助推动人工智能技术的进步。

谷歌工程师在论文中指出，这项工作对芯片行业有“重大影响”。这可以让公司在设计芯片时探索架构可能性的速度更快，为特定工作负载定制芯片也更便捷。

《自然》杂志的一篇评论称这项研究是一项“重要成就”，并指出此类工作可以帮助抵消摩尔定律的终结。摩尔定律是20世纪70年代出现的一个芯片设计原则，也就是芯片上的晶体管数量每两年翻一番。人工智能不一定能突破物理极限、将越来越多的晶体管压缩到芯片上，但可以帮助工程师找到提高芯片性能的其他途径。

谷歌算法处理的具体任务被称为“芯片版面规划”。通常情况下，设计师需要在计算机工具的帮助下为CPU、GPU以及内存核心等芯片子系统找到在硅晶片上的最佳布局。这些芯片子系统通过总共长达几十公里的微小线路连接在一起，芯片上每个子系统的位置均会影响芯片的最终处理速度和效率。而且，考虑到芯片制造的规模和计算周期，纳米层面上的位置调整最终会带来巨大影响。

谷歌工程师们指出，规划芯片版面对人来说需要“数月的紧张工作”，但从机器学习的角度来看，完全可以像下棋那样解决这个问题。

人工智能已经证实其可以在国际象棋和围棋等棋类游戏中胜过人类。谷歌工程师们指出，芯片版面规划与此类挑战相似，只不过用的不是棋盘，而是硅片。棋盘上的棋子变成了CPU和GPU等芯片子系统器件。接下来的任务就是让机器学习系统找到“获胜条件”。在国际象棋比赛中是吃掉对方的王，而在芯片设计中是计算效率。

谷歌工程师利用芯片版面规划数据集来训练一种强化的机器学习算法，其中有1万个不同质量的芯片版面规划图，一些规划是随机生成的。每个规划图所需电线长度和功耗有所不同。然后，训练后的算法利用这些数据来区分版面规划的好坏，并相应生成新的设计。

当人工智能在棋类游戏中挑战人类时，机器并不一定像人类那样思考，而且经常会对熟悉问题提出意想不到的解决方案。DeepMind的AlphaGo与围棋冠军李世石对弈时就是如此，人工智能看似不合逻辑的一步棋却最终取得了胜利。

谷歌的芯片设计算法并没有带来如此戏剧性的变化，但其生成的芯片版面设计与人工设计完全不同。在人工智能设计的芯片版面中，各个子系统并没有整齐排列，看起来几乎是随机分散在硅片上。《自然》杂志的一幅插图展示了这种差异，左边是人工设计的芯片版面，右边则是机器学习系统设计的。由于相关设计是保密的，这些图片被作者有意做了模糊化处理。

这篇论文之所以值得注意，是因为其研究成果现在正被谷歌用于商业用途。但这远不是人工智能辅助芯片设计的唯一应用。谷歌还在“架构探索”等芯片设计过程的其他部分使用人工智能，而英伟达等竞争对手也在研究其他方法来加快芯片研发工作流程。用人工智能设计人工智能芯片的良性循环似乎才刚刚开始。(辰辰)

关键词： 机器学习芯片 谷歌 机器学习 工程师