6月11日消息，谷歌稱其正在使用機器學習系統(tǒng)幫助工程師設計新一代機器學習芯片。谷歌工程師表示，算法設計的芯片質量和人工設計“相當”甚至“還要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小時的時間內完成人工需要數(shù)月時間完成的芯片設計工作。

　　谷歌多年來一直在研究如何使用機器學習制造芯片，本周谷歌員工發(fā)表在《自然》雜志的一篇論文證實此類研究已經應用于商業(yè)產品。谷歌開始用人工智能設計自家的TPU芯片。

　　據悉，TPU芯片是應用于人工智能的芯片，專門針對人工智能計算進行了優(yōu)化。“我們的方法已經用于生產設計新一代谷歌TPU，”谷歌研究科學家、論文作者阿扎莉亞·米爾霍塞尼(Azalia Mirhoseini)和安娜·戈爾迪(Anna Goldie)寫道。

　　換句話說，人工智能正在幫助推動人工智能技術的進步。

　　谷歌工程師在論文中指出，這項工作對芯片行業(yè)有“重大影響”。這可以讓公司在設計芯片時探索架構可能性的速度更快，為特定工作負載定制芯片也更便捷。

　　《自然》雜志的一篇評論稱這項研究是一項“重要成就”，并指出此類工作可以幫助抵消摩爾定律的終結。摩爾定律是20世紀70年代出現(xiàn)的一個芯片設計原則，也就是芯片上的晶體管數(shù)量每兩年翻一番。人工智能不一定能突破物理極限、將越來越多的晶體管壓縮到芯片上，但可以幫助工程師找到提高芯片性能的其他途徑。

圖示：谷歌的人工智能專用芯片TPU

　　谷歌算法處理的具體任務被稱為“芯片版面規(guī)劃”。通常情況下，設計師需要在計算機工具的幫助下為CPU、GPU以及內存核心等芯片子系統(tǒng)找到在硅晶片上的最佳布局。這些芯片子系統(tǒng)通過總共長達幾十公里的微小線路連接在一起，芯片上每個子系統(tǒng)的位置均會影響芯片的最終處理速度和效率。而且，考慮到芯片制造的規(guī)模和計算周期，納米層面上的位置調整最終會帶來巨大影響。

　　谷歌工程師們指出，規(guī)劃芯片版面對人來說需要“數(shù)月的緊張工作”，但從機器學習的角度來看，完全可以像下棋那樣解決這個問題。

　　人工智能已經證實其可以在國際象棋和圍棋等棋類游戲中勝過人類。谷歌工程師們指出，芯片版面規(guī)劃與此類挑戰(zhàn)相似，只不過用的不是棋盤，而是硅片。棋盤上的棋子變成了CPU和GPU等芯片子系統(tǒng)器件。接下來的任務就是讓機器學習系統(tǒng)找到“獲勝條件”。在國際象棋比賽中是吃掉對方的王，而在芯片設計中是計算效率。

　　谷歌工程師利用芯片版面規(guī)劃數(shù)據集來訓練一種強化的機器學習算法，其中有1萬個不同質量的芯片版面規(guī)劃圖，一些規(guī)劃是隨機生成的。每個規(guī)劃圖所需電線長度和功耗有所不同。然后，訓練后的算法利用這些數(shù)據來區(qū)分版面規(guī)劃的好壞，并相應生成新的設計。

　　當人工智能在棋類游戲中挑戰(zhàn)人類時，機器并不一定像人類那樣思考，而且經常會對熟悉問題提出意想不到的解決方案。DeepMind的AlphaGo與圍棋冠軍李世石對弈時就是如此，人工智能看似不合邏輯的一步棋卻最終取得了勝利。

　　谷歌的芯片設計算法并沒有帶來如此戲劇性的變化，但其生成的芯片版面設計與人工設計完全不同。在人工智能設計的芯片版面中，各個子系統(tǒng)并沒有整齊排列，看起來幾乎是隨機分散在硅片上?！蹲匀弧冯s志的一幅插圖展示了這種差異，左邊是人工設計的芯片版面，右邊則是機器學習系統(tǒng)設計的。由于相關設計是保密的，這些圖片被作者有意做了模糊化處理。

圖示：左邊是人工設計的芯片版面，右邊則是機器學習系統(tǒng)設計的

　　這篇論文之所以值得注意，是因為其研究成果現(xiàn)在正被谷歌用于商業(yè)用途。但這遠不是人工智能輔助芯片設計的唯一應用。谷歌還在“架構探索”等芯片設計過程的其他部分使用人工智能，而英偉達等競爭對手也在研究其他方法來加快芯片研發(fā)工作流程。用人工智能設計人工智能芯片的良性循環(huán)似乎才剛剛開始。