Google si è affidata all'IA per progettare i suoi nuovi chip: ci ha messo sei ore

Google si è affidata all'IA per progettare i suoi nuovi chip: ci ha messo sei ore
di

Google a quanto pare sta utilizzando il machine learning per progettare la sua prossima generazione di chip per l'intelligenza artificiale. In un articolo pubblicato sulla rivista Nature, gli ingegneri del motore di ricerca osservano che questo esperimento ha portato i primi risultati in tempi rapidissimi: solo sei ore!

Per fare un raffronto, gli ingegneri umani solitamente portano a termine compiti di questo tipo in diversi mesi di intenso lavoro, ma l'intelligenza artificiale li ha letteralmente bruciati sul tempo.

"Il nuovo metodo è stato utilizzato in produzione per progettare la prossima generazione di Google TPU" si legge nello studio in cui viene anche osservato che l'intelligenza artificiale sta contribuendo ad accelerare il futuro dello sviluppo della stessa IA.

Le implicazioni di questo esperimento potrebbero essere importanti: gli ingegneri di Google notano che questo lavoro è destinato ad avere "importanti implicazioni" per l'industria dei chip e potrebbe consentire alle aziende di esplorare più rapidamente le opzioni messe a disposizione dalle architetture presenti sul mercato per i progetti a breve termine, ma permette anche di personalizzare più facilmente i chip per carichi di lavoro specifici.

Nel documento però Google osserva anche che la propria intelligenza artificiale ha dato un contributo importante nel processo di "floorplanning", che prevede l'organizzazione interna delle componenti di un determinato chip: si tratta di un aspetto centrale dal momento che ogni minima variazione porta a risultati diversi ed a disposizione degli ingegneri ci sono tantissime combinazioni che per essere trovate però richiedono settimane se non mesi di lavoro. L'intelligenza artificiale ha adottato un approccio simile a quello dei videogiochi, dove ha già dimostrato di essere in grado di superare gli umani, il tutto grazie ad un algoritmo di deep learning addestrato con i dati di 10mila schemi di chip.

Quanto è interessante?
3