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。

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。

來源:Tom’s hardware

關於我們

自1990年創刊UXmaster雜誌,1991年獲得美國LAN Magazine獨家授權中文版,2006年獲得CMP Network Computing授權,2009年合併CMP Network Magazine獨家授權中文版,2014年轉型為《網路資訊》雜誌網站,為台灣中小企業協助技術領導者落實企業策略,了解網路規劃及應用,為企業網路應用、管理、MIS、IT人員必備之專業雜誌網站。


與我們聯絡

加入《網路資訊》雜誌社群

© Copyright 2017 本站版權所有,禁止任意轉載 網路資訊雜誌 / 心動傳媒股份有限公司 聯絡電話:+886 2 29432416