吳明宜無限強化！Google 研究以 AI 設計更強的 AI 晶片 取得更厲害的 AI 能力
Google 研究人員本周在《Nature》期刊發佈論文，描述一個「邊緣圖卷積神網路架構 (graph convolutional neural network architecture)」，它會自己學習半導體實際 layout 方式，使人工智慧代理程式具備更純熟的產業經驗，設計晶片的速度比人類工程師還快。這下子，Google 除了用 AI 來下圍棋外，也能設計 AI 晶片了。
這在晶片設計是一大進步，可能也帶來深遠影響。研究人員表示，在發展 50 年之後，晶片的 floorplanning 仍然無法自動化，需要 IC 設計工程師花幾個月心力產出晶片量產的配置圖 (layout)，因此 Google 提出以深度增強學習方法用於晶片的配置規劃。Google 指出，他們設計出的系統 6 個小時就能產出晶片 floorplanning layout，從各種量測值，像是耗電率、效能及晶片大小等，都和人類設計的成品不相上下，甚至更好。
Google 研究人員表示，本次系統使用的深度增強學習法，Google 已經用於設計執行機器學習任務的次世代張量處理單元 (Tensor Processing Unit, TPU)，因此他們基本上是在教 AI 設計一個「提升 AI 效能」的晶片。
這「咬尾蛇」式的無窮迴圈其實是刻意設計的。研究人員相信更強大的 AI 硬體有助於推升 AI 研發的進展。他們相信這將大有好處，尤其 AI 設計的晶片在各方面都更好的話。
至於這項研究是否會對 Google 研發自有系統單晶片 (SoC) 的計畫有所影響則不有待觀察。Google 今年三月找來英特爾前 Core 晶片團隊成員 Uri Frank 帶領開發手機及 Chromebooks 中的 SoC。在此之前，Google 某些運算任務，像是影像編碼用 CPU 已經揚棄老戰友英特爾。
而本研究的 AI 方法運用的領域也不限於 TPU；Google 還可能用它來改善特殊應用 ASIC 晶片的開發，這也有助於 Google 棄用晶片業者的市售解決方案。
其他領域開發商也可能受惠於這項研究，因為 Google 已經透過專門主機板或 Google Cloud 來釋出 TPU。若 Google 最後未將這次世代 TPU 留在自家產品中，則外部開發人員不久後也可以享受到這 AI 開發的 AI 晶片成果。