继击败人类棋手后，人工智能在下一代AI芯片设计中再胜人类设计师

出品：放牛班的秘密花园

来源：Verge

编译：Sail2008

责任编辑：Sunnisky

科技巨头谷歌正使用机器学习来帮助设计下一代机器学习芯片，此举或将给未来的芯片设计产业带来一场革命。

谷歌在其即将推出的下一代TPU芯片中使用了AI算法设计。

该公司表示，AI算法设计与人类设计性能相当甚至优于人类设计，但设计效率要比后者高得多。人工智能可以在不到6小时的时间内完成人类芯片设计师需时数月才能完成的工作。

谷歌2017年发布的TPUv2芯片

谷歌多年来一直在研究如何用机器学习来制造芯片，但本周发表在《自然》杂志一篇论文上的这项研究似乎是其研究成果首次应用于商业产品：谷歌即将发布自己的下一代TPU（张量处理单元）芯片，该芯片针对人工智能计算进行了优化。

“我们的方法已应用于设计下一代谷歌TPU，”论文作者写道，他们的团队领导者是谷歌机器学习系统的负责人Azalia Mirhoseini。

换句话说，人工智能正在帮助加速人工智能的未来发展。

谷歌的工程师们在论文中指出，该研究成果对芯片业具有“重大影响”。它使各公司能更快地为下一代芯片设计探索可能的架构空间，更容易为特定工作负载定制芯片。

《自然》杂志的一篇社论称该研究是一项“重大成就”，指出此类工作能帮助抵消预测中的摩尔定律终结。摩尔定律是始于20世纪70年代的芯片设计定律，它称芯片上的晶体管数量每两年就会翻一番。

人工智能不一定能解决将越来越多的晶体管压缩到芯片上的物理挑战，但它能帮助找到以同样的速度提高性能的其他途径。

谷歌的TPU芯片是其云服务的一部分，并用于其内部的人工智能研究。

谷歌算法处理的具体任务被称为“平面布局”。这通常需要人类芯片设计师在计算机工具的帮助下为芯片的子系统找到硅芯片的最佳布局。这些元器件包括CPU、GPU和存储器核等，它们通过几十公里长的微型线路连接在一起。

选择每个元器件在芯片上的具体位置会影响芯片的最终速度和效率。而且，考虑到芯片制造的规模和计算周期，纳米级的位置变化最终会产生巨大的影响。

谷歌的芯片研发工程师们指出，设计芯片平面图对人类来说需要付出“长达数月的极大努力”，但从机器学习的角度来看，有一种熟悉的方法可以解决这个问题：游戏。

人工智能已经一次又一次地证明了它能在国际象棋和围棋等棋类游戏中胜过人类棋手，谷歌的芯片设计研究者认为，元件平面布局与此类挑战类似。只不过不是在棋盘上，而是在硅片上，用的不是马和车这些棋子，而是CPU和GPU这样的元器件。接下来的任务不过是找到每个棋盘的“获胜条件”。在国际象棋中就是将死对方，在芯片设计中就是计算效率。

谷歌的芯片设计研究者在由1万个品质各异的芯片平面图组成的数据集上训练一种强化学习算法，其中一些芯片平面图是随机生成的。

基于其在不同指标（如所需线路长度和功耗）上的成绩表现，每个设计都带有特定的“奖励”功能。算法再利用这些数据来区分好平面布局与坏平面布局，并相应地生成自己的设计。

正如我们所看到的，当AI系统在棋类游戏中挑战人类时，机器未必会像人类那样思考，而是经常会对熟悉的问题提出意想不到的解决方案。当DeepMind的AlphaGo与人类冠军李世石对弈时，这一出棋路数造就了著名的“第37步”——看似不合逻辑的人工智能棋子布局最终却取得了胜利。

谷歌的芯片设计算法并未产生如此戏剧性的变化，但它设计的芯片平面布局看起来与人类芯片设计师的设计完全不同。看起来子系统的元器件不是整齐排列在硅片上，而是几乎随机分布在硅片上的。

《自然》杂志的一幅插图展示了这种差异，左边是人类设计，右边是机器学习设计。你也可以从来自谷歌论文的下图中看到其总体差异（左边是有序的人类设计，右边是混乱的人工智能设计）。论文作者对图片进行了模糊处理，因为其中涉及到部分保密设计。

左为人类设计芯片平面图，右为人工智能设计平面图

这篇论文值得重视，尤其是因为其研究成果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方面，谷歌自己就探索了在“架构研究”等其他环节使用人工智能，而英伟达等竞争对手也在研究其它方法来加快工作流程。

用人工智能设计AI芯片的良性循环似乎才刚刚开始。

声明：著作权所有，转载需授权

Come on，给你的灵魂充充电