google intelligenza artificiale
Il chip è stato progettato da un Intelligenza Artificiale (AI) “allenata” proprio da Google per ridurre i tempi di progettazione. La stessa società californiana ha tenuto a specificare che normalmente, un progetto del genere richiede “mesi di intenso lavoro”. I risultati del lavoro dell’AI sono stati descritti all’interno di un articolo pubblicato su Nature.
La fase del lavoro in cui l’AI è stata maggiormente utile è quella in cui, normalmente, gli ingegneri si occupano di organizzare tutti i componenti del chip in uno spazio disponibile piuttosto ridotto, il cosiddetto floorplanning, con i relativi cavi di collegamento.
Il floorplanning rappresenta una fase che non prevede una soluzione univoca, semmai una ottimale. Le combinazioni possibili nel posizionamento dei diversi elementi sono infatti miliardi e normalmente gli ingegneri seguono un preciso algoritmo di collocazione che parte dai componenti “macro”, quelli che occupano più spazio, per finire con quelli standard. Chiaramente la variazione di posizione di un solo elemento causa la nascita di una nuova configurazione possibile.
In meno di sei ore, il nostro metodo ha generato automaticamente dei floorplan dei chip che sono equivalenti o migliori a quelli prodotti dalle persone secondo tutti i principali parametri, inclusi l’efficienza energetica, le prestazioni e l’area dei chip.
L’AI sfrutta i concetti propri del machine learning per apprendere le diverse possibilità di floorplanning che servono appunto ad “allenare” l’intelligenza artificiale, la quale, a seguito della creazione di questo database riesce ad individuare le diverse possibilità che permettono di ottenere la miglior configurazione non solo in termini di spazio occupato, ma anche di dissipazione di energia e di funzionamento del chip.
L’idea nasce dopo aver osservato come le intelligenze artificiali fossero abili nel competere, e battere, l’uomo nei giochi da tavolo che prevedono un certo schema, come scacchi e Go. Invece di un tabellone, il robot ha a che fare con un dado in silicone. Invece dei degli scacchi deve lavorare con componenti come CPU e GPU. L’obiettivo, quindi, è semplicemente trovare le “condizioni di vittoria” di ciascuna scheda, cioè l’efficienza computazionale.
In questo modo i progetti dell’algoritmo sono “comparabili o superiori” a quelli creati dagli esseri umani, affermano gli ingegneri di Google, ma possono essere generati molto, molto più velocemente. L’utilizzo dell’AI permetterà di accelerare lo sviluppo delle intelligenze artificiali stesse.
Un’editoriale pubblicato sempre da Nature definisce il risultato ottenuto importante non tanto per sé stesso, quanto per le future applicazioni per l’industria dei chip.
Tuttavia, si afferma che “l’esperienza tecnica deve essere ampiamente condivisa per assicurarsi che l’“ecosistema” delle aziende diventi veramente globale”. Ha continuato sottolineando che “l’industria deve assicurarsi che le tecniche per risparmiare tempo non allontanino le persone con le competenze fondamentali necessarie”.
Il nostro metodo è stato utilizzato in produzione per progettare la prossima generazione di Google TPU
L’utilizzo di questa metodologia di progettazione è destinato ad espandersi a macchia d’olio, non solo per quanto riguarda Google, ma anche per tutte le altre case che si occupano di produrre chip.
Tale lavoro potrebbe aiutare a compensare la fine prevista della Legge di Moore, un assioma della progettazione dei chip degli anni ’70 che afferma che il numero di transistor su un chip raddoppia ogni due anni circa.
La complessità di un microcircuito, misurata ad esempio tramite il numero di transistor per chip, raddoppia ogni 18 mesi (e quadruplica quindi ogni 3 anni).
David House
L’intelligenza artificiale non risolverà necessariamente le sfide fisiche di collocare sempre più transistor sui chip, ma potrebbe aiutare a trovare altri percorsi per aumentare le prestazioni allo stesso ritmo. Ad ora il metodo è stato utilizzato per configurare un TPU di Google stessa, cioè le unità di elaborazione che si occupano delle applicazioni legate all’apprendimento automatico. Ma l’utilizzo di AI in questo campo rappresenta una svolta clamorosa dal punto di vista economico e dei tempi di sviluppo.