Google tvrdí, že jeho AI navrhuje čipy lépe než lidé – odborníci nesouhlasí

Google DeepMind říká, že jeho umělá inteligence pomohla navrhnout čipy, které se již používají v datových centrech a dokonce i chytrých telefonech. Někteří odborníci na design čipů jsou ale skeptičtí k tvrzením společnosti, že taková umělá inteligence dokáže plánovat nové rozvržení čipů lépe než lidé.

Nově pojmenovaná metoda AlphaChip dokáže navrhnout „nadlidské rozvržení čipů“ během hodin, spíše než se spoléhat na týdny nebo měsíce lidského úsilí, řekl Anna Goldie a Azalia Mirhoseiniovávýzkumníci z Google DeepMind, v a blogový příspěvek. Tento přístup umělé inteligence využívá učení zesílení k určení vztahů mezi součástmi čipu a je odměněn na základě konečné kvality rozvržení. Nezávislí výzkumníci však tvrdí, že společnost dosud neprokázala, že by taková umělá inteligence mohla překonat expertní návrháře lidských čipů nebo komerční softwarové nástroje – a chtějí vidět výkon AlphaChipu ve veřejných testech zahrnujících současné, nejmodernější návrhy obvodů.

„Pokud by Google poskytl experimentální výsledky pro tyto návrhy, mohli bychom mít spravedlivé srovnání a očekávám, že každý výsledky přijme,“ říká Patrick Madden na Binghamton University v New Yorku. “Proběhnutí experimentů by trvalo maximálně den nebo dva a Google má téměř nekonečné zdroje – to, že tyto výsledky nebyly nabídnuty, mi hodně říká.” Google DeepMind odmítl poskytnout další komentář.

Blogový příspěvek Google DeepMind doprovází an aktualizovat do roku 2021 od Googlu Příroda deníkový papír o procesu AI společnosti. Od té doby Google DeepMind říká, že AlphaChip pomohl navrhnout tři generace Tensor Processing Units (TPU) společnosti Google – specializované čipy používané k trénování a spouštění generativních modelů umělé inteligence pro služby, jako jsou Chatbot Gemini.

Společnost také tvrdí, že návrhy čipů podporované umělou inteligencí fungují lépe než ty navržené lidskými odborníky a neustále se zlepšují. Umělá inteligence toho dosahuje snížením celkové délky vodičů potřebných k připojení součástí čipu – faktor, který může snížit spotřebu energie čipu a potenciálně zvýšit rychlost zpracování. A Google DeepMind říká, že AlphaChip vytvořil rozvržení pro univerzální čipy používané v datových centrech Google a pomohl společnosti MediaTek vyvinout čip používaný v mobilních telefonech Samsung.

Ale kód, který Google zveřejnil, postrádá podporu pro běžné průmyslové datové formáty čipů, což naznačuje, že metoda AI je v současnosti vhodnější pro proprietární čipy Google, říká Igor Markovvýzkumník v oblasti designu čipů. „Opravdu nevíme, co AlphaChip dnes je, co dělá a co nedělá,“ říká. „Víme, že posilovací učení vyžaduje o dva až tři řády větší výpočetní zdroje než metody používané v komerčních nástrojích a je obvykle pozadu. [in terms of] výsledky.”

Markov a Madden kritizovali původní noviny kontroverzní tvrzení o AlphaChipu předčí nejmenované lidské experty. „Srovnání s nejmenovanými lidskými designéry jsou subjektivní, nereprodukovatelné a velmi snadno hratelné. Lidští konstruktéři možná vynakládají malé úsilí nebo jsou málo kvalifikovaní – neexistuje zde žádný vědecký výsledek,“ říká Markov. “Představte si, že AlphaGo hlásí vítězství nad nejmenovanými hráči Go.”

V roce 2023 nezávislý odborník, který přezkoumal papír společnosti Google staženo jeho Příroda článek komentáře, který původně chválil práci Googlu. Ten odborník, Andrew Kahng na University of California, San Diego, také provozoval a veřejné benchmarkingové úsilí která se pokusila replikovat metodu umělé inteligence Google a zjistila, že trvale nepřekonává lidské experty ani konvenční počítačové algoritmy. Nejlépe fungující metody byly komerční software pro návrh čipů od společností jako Cadence a NVIDIA.

„V každém benchmarku, kde existuje to, co bych považoval za spravedlivé srovnání, se zdá, že učení posilování výrazně zaostává za současným stavem,“ říká Madden. “Pokud jde o umístění okruhu, nevěřím, že je to slibný směr výzkumu.”