据6月11日消息，谷歌表示正在利用机器学习系统帮助工程师设计新一代机器学习芯片。谷歌工程师表示，通过算法设计的芯片质量与手工设计相当甚至更好，但完成速度却快得多。谷歌表示，人工智能可以在不到六个小时的时间内完成人工需要几个月才能完成的芯片设计工作。
谷歌多年来一直在研究如何使用机器学习来制造芯片，谷歌员工本周在期刊《自然》 上发表的一篇论文证实，此类研究已经应用于商业产品。谷歌开始利用人工智能设计自己的TPU芯片。
据悉，TPU芯片是一款应用于人工智能的芯片，专门针对人工智能计算进行了优化。谷歌研究科学家、该论文的作者Azalia Mirhoseini 和Anna Goldie 写道，我们的方法已被用于设计新一代谷歌TPU 进行生产。
换句话说，人工智能正在帮助推动人工智能技术的进步。
谷歌工程师在论文中指出，这项工作对芯片行业具有重大影响。这使得公司能够在设计芯片时更快地探索架构可能性，并更轻松地针对特定工作负载定制芯片。
期刊《自然》 上的评论称这项研究是一项重要成就，并指出此类工作可能有助于抵消摩尔定律的终结。摩尔定律是20 世纪70 年代出现的芯片设计原理，该定律规定芯片上的晶体管数量每两年增加一倍。人工智能不一定会突破物理极限，将越来越多的晶体管挤到芯片上，但它可以帮助工程师找到其他方法来提高芯片性能。
谷歌算法处理的具体任务称为芯片布局。通常，设计人员需要借助计算机工具为CPU、GPU 和内存核心等芯片子系统找到硅晶圆上的最佳布局。这些芯片子系统通过总计数十公里的微小线路连接在一起，每个子系统在芯片上的位置影响着芯片最终的处理速度和效率。而且，考虑到芯片制造和计算周期的规模，纳米级的定位调整最终可能会产生巨大的影响。
谷歌工程师指出，规划芯片布局对于人类来说需要数月的紧张工作，但从机器学习的角度来看，这个问题可以像下棋一样解决。
人工智能已经证明，它可以在国际象棋和围棋等棋盘游戏中超越人类。谷歌工程师指出，芯片布局规划与此类挑战类似，但不是使用棋盘格，而是使用硅晶圆。棋盘上的棋子变成了CPU、GPU等芯片子系统设备。接下来的任务是让机器学习系统找到获胜条件。在国际象棋游戏中，它是吃掉对手的王，但在芯片设计中，它是计算效率。
谷歌工程师使用芯片布局数据集来训练增强的机器学习算法。有10,000 个不同质量的芯片布局图，其中一些是随机生成的。每个计划所需的电线长度和功耗各不相同。然后，经过训练的算法使用这些数据来区分好布局和坏布局，并相应地生成新设计。
当人工智能在棋盘游戏中挑战人类时，机器不一定像人类一样思考，并且经常针对熟悉的问题提出意想不到的解决方案。 DeepMind 的AlphaGo 与围棋冠军李世石对战时就是这种情况。人工智能做出了看似不合逻辑的举动，但最终获胜了。
谷歌的芯片设计算法并没有带来如此巨大的变化，但它生成的芯片布局却与手工设计完全不同。在人工智能设计的芯片布局中，各个子系统排列并不整齐，看上去几乎是随机散布在硅片上。《自然》 杂志上的一张插图说明了这种差异，左边是人工设计的芯片布局，右边是机器学习系统设计的芯片布局。由于相关设计属于机密，因此这些图像被作者有意模糊化。
这篇论文值得注意，因为其研究成果现已被谷歌用于商业用途。但这远不是人工智能辅助芯片设计的唯一应用。谷歌还在芯片设计过程的其他部分使用人工智能，例如架构探索，而英伟达等竞争对手也在寻找其他方法来加快芯片开发工作流程。利用人工智能设计人工智能芯片的良性循环似乎才刚刚开始。 （辰辰）
