AI kan helpen met de verdere ontwikkeling van zichzelf. Een doorbraak bij Google toont aan dat AI-algoritmes beter dan mensen bepaalde aspecten van de ontwikkeling van nieuwe chips kunnen uitvoeren.
Wat maanden duurt voor een team van professionals, kan AI in een kwestie van uren. In dit geval gaat het om het design van nieuwe AI-chips en meer specifiek het ‘vloerplan’ van dergelijke chips. Een microchip vandaag bestaat uit verschillende componenten (CPU, GPU, geheugen…) op één die. Hoe die componenten geordend zijn, heeft een grote impact op de totale prestaties van een chip. De optimale lay-out vinden in een context waar een enkele nanometer een wereld van verschil betekent, is geen eenvoudige klus.
Spel
Google trainde zijn AI-algoritmes om nieuwe chips zelf te optimaliseren aan de hand van bestaande chips. Onderzoekers van het bedrijf delen hun bevindingen in een paper in Nature. De wetenschappers benaderde het optimalisatieprobleem als een spel. De totale chip is in die context het speelbord, de subsystemen zijn de stukken en de meest geoptimaliseerde situatie is de overwinning.
Google trainde zijn algoritme aan de hand van 10.000 bestaande en verzonnen designs met een verschillende kwaliteit. Ieder design kreeg tags mee die het succes ervan kwantificeerde. Dat succes was gebaseerd op verschillende factoren zoals stroomverbruik en de lengte van de interconnects.
Gebruik in de praktijk
Na de training slaagde de AI er in om op enkele uren een kwalitatief vloerplan uit te werken. Het resultaat ziet er bovendien erg organisch uit, met subcomponenten die schijnbaar willekeurig over de die liggen verspreid. Dat is een contrast met menselijk design, waarbij de componenten erg geordend op de chip liggen.
Google is zo blij met de resultaten dat het de ontwikkelingstechniek intern gebruikt. Een toekomstige generatie van Tensor-AI-chips is zo mee gebouwd door het nieuwe algoritme. De onderzoekers kijken nu verder naar andere domeinen waarin AI chipontwikkeling kan versnellen.