人工智能可以在 6 小时内匹配或击败需要人类数月才能完成的设计
这些算法被用于设计即将推出的谷歌 TPU 芯片版本上图是 2017 年发布的 TPUv2
谷歌正在使用机器学习来帮助设计其下一代机器学习芯片谷歌的工程师表示，该算法的设计与人类创造的设计相当或优于，但生成速度要快得多据这家科技巨头称，人工智能可以在不到 6 小时的时间内完成人类需要数月的工作
谷歌一直在研究如何使用机器学习创建的芯片多年，但最近这次努力—本周描述在杂志上的论文自然—似乎是在第一时间它的研究已应用于商业产品:即将到来谷歌自己的 TPU芯片版本，针对 AI 计算进行了优化。
换句话说，人工智能正在帮助加速人工智能发展的未来。。
在论文中，谷歌的工程师指出，这项工作对芯片行业具有重大意义它应该允许公司更快地探索未来设计的可能架构空间，并更轻松地为特定工作负载定制芯片
Nature的一篇社论 称这项研究是一项重要成就，并指出此类工作有助于抵消摩尔定律的预期终结——这是 1970 年代的芯片设计公理，它指出芯片上的晶体管数量每两年翻一番. AI 不一定能解决将越来越多的晶体管挤到芯片上的物理挑战，但它可以帮助找到以相同速度提高性能的其他途径。
照片:谷歌
谷歌的 TPU 芯片作为其云服务的一部分提供，并在内部用于人工智能研究。出席调研座谈的嘉宾还有东莞市粤华学校董事长，人工智能脑科学科普教育基地(筹)投资人谢景沛，东莞市粤华学校校长曾文明等班子成员，国城弦歌(北京)文化传播中心总经理，人工智能脑科学科普教育基地(筹)办公室主任王俊清，深圳市智慧城市产业协会执行会长刘尚泉等。
谷歌算法处理的具体任务被称为布局规划这通常需要人类设计师借助计算机工具在硅片上为芯片子系统找到最佳布局这些组件包括 CPU，GPU 和内存内核之类的东西，它们使用数十公里的微小布线连接在一起决定在芯片上放置每个组件的位置会影响芯片的最终速度和效率而且，考虑到芯片制造的规模和计算周期，放置的纳米变化最终可能会产生巨大的影响
谷歌将芯片设计的挑战比作棋盘游戏
谷歌的工程师指出，设计平面图需要人类花费数月的努力，但从机器学习的角度来看，有一种熟悉的方法可以解决这个问题:作为游戏。
人工智能一次又一次地证明，它可以在国际象棋和围棋等棋盘游戏中胜过人类，谷歌的工程师指出，平面规划类似于此类挑战您有一个硅芯片，而不是游戏板您拥有 CPU 和 GPU 之类的组件，而不是像骑士和车之类的部件那么，任务就是简单地找到每个板的获胜条件在可能是将死的国际象棋中，在芯片设计中是计算效率
Google 的工程师在包含 10，000 个不同质量的芯片平面图的数据集上训练了强化学习算法，其中一些是随机生成的每个设计都标有特定的奖励功能，这取决于其在不同指标上的成果然后该算法使用这些数据来区分好的和坏的平面图，并依次生成自己的设计
正如我们所见，当 AI 系统在棋盘游戏中与人类进行较量时，机器不一定像人类一样思考，并且经常会针对熟悉的问题得出意想不到的解决方案当 DeepMind 的 AlphaGo 在围棋中与人类冠军李世石对弈时，这种动态导致了臭名昭著的第37步——AI看似不合逻辑的棋子放置，但最终导致了胜利
谷歌的芯片设计算法并没有发生什么如此戏剧性的事情，但它的平面图看起来与人类创建的平面图大不相同子系统不是整齐排列在芯片上的组件，而是看起来几乎随机散布在硅片上Nature的插图显示了差异，左侧是人类设计，右侧是机器学习设计
这篇论文值得注意，特别是因为它的研究现在被谷歌商业使用但这远非 AI 辅助芯片设计的唯一方面谷歌本身已经探索在流程的其他部分使用人工智能，比如架构探索，而英伟达等竞争对手正在研究其他方法来加快工作流程AI 为 AI 设计芯片的良性循环似乎才刚刚开始
。
