Ερευνητές μηχανικοί απέδειξαν ότι η τεχνητή νοημοσύνη (AI) μπορεί να σχεδιάσει πολύπλοκα ασύρματα chips μέσα σε λίγες ώρες, ένα κατόρθωμα που θα χρειαζόταν ο άνθρωπος εβδομάδες για να το ολοκληρώσει. Τα σχέδια των chips δεν αποδείχθηκαν μόνο πιο αποτελεσματικά, αλλά η AI ακολούθησε μια ριζικά διαφορετική προσέγγιση που ένας άνθρωπος σχεδιαστής κυκλωμάτων θα ήταν εξαιρετικά απίθανο να επινοήσει.
Η έρευνα επικεντρώθηκε στα ασύρματα chips millimeter-wave (mm-Wave), τα οποία παρουσιάζουν μερικές από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουν οι κατασκευαστές λόγω της πολυπλοκότητάς τους και της ανάγκης για μικρογραφία. Τα εν λόγω chips χρησιμοποιούνται στα 5G modems, τα οποία πλέον συναντώνται συνήθως στα smartphones.
Οι κατασκευαστές βασίζονται προς το παρόν σε ένα συνδυασμό ανθρώπινης εμπειρογνωμοσύνης, ειδικών σχεδίων κυκλωμάτων και καθιερωμένων προτύπων. Κάθε νέος σχεδιασμός περνά στη συνέχεια από μια αργή διαδικασία βελτιστοποίησης, που βασίζεται στη δοκιμή και το σφάλμα, επειδή συχνά είναι τόσο πολύπλοκος που ένας άνθρωπος δεν μπορεί να κατανοήσει πλήρως τι συμβαίνει στο εσωτερικό του chip. Αυτό οδηγεί σε μια προσεκτική, επαναληπτική προσέγγιση που βασίζεται σε ό,τι έχει δουλέψει στο παρελθόν.
Σε αυτή την περίπτωση, ωστόσο, οι ερευνητές του Princeton Engineering και του Ινδικού Ινστιτούτου Τεχνολογίας διατύπωσαν την άποψη ότι τα AI μοντέλα που βασίζονται στη βαθιά μάθηση θα μπορούσαν να χρησιμοποιήσουν μια αντίστροφη μέθοδο σχεδιασμού, μια μέθοδο που καθορίζει την επιθυμητή έξοδο και αφήνει τον αλγόριθμο να καθορίσει τις εισόδους και τις παραμέτρους.
Η Τεχνητή Νοημοσύνη αντιμετωπίζει επίσης κάθε chip ως ένα ενιαίο τεχνούργημα και όχι ως μια συλλογή υφιστάμενων στοιχείων που πρέπει να συνδυαστούν. Αυτό σημαίνει ότι τα καθιερωμένα πρότυπα σχεδιασμού των chips, αυτά που κανείς δεν καταλαβαίνει αλλά πιθανώς κρύβουν ανεπάρκειες, παραμερίζονται.
Σε αυτό το πείραμα, οι προκύπτουσες δομές «μοιάζουν τυχαία διαμορφωμένες», δήλωσε ο επικεφαλής συγγραφέας Kaushik Sengupta, καθηγητής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών στο Princeton. «Οι άνθρωποι δεν μπορούν πραγματικά να τις κατανοήσουν».
Όταν δε η ομάδα του Sengupta κατασκεύασε τα chips, διαπίστωσε ότι οι δημιουργίες της AI πέτυχαν επίπεδα επιδόσεων πέρα από εκείνα των υφιστάμενων σχεδίων.
Παρόλο που τα ευρήματα υποδηλώνουν ότι ο σχεδιασμός τόσο πολύπλοκων chips θα μπορούσε να παραδοθεί στην AI, ο Sengputa θέλησε να επισημάνει ότι παραμένουν παγίδες «που απαιτούν ακόμη τη διόρθωση από τους ανθρώπους σχεδιαστές». Συγκεκριμένα, πολλά από τα σχέδια που παρήγαγε ο αλγόριθμος δεν λειτούργησαν, κάτι αντίστοιχο με τις «ψευδαισθήσεις» που παράγονται από τα τρέχοντα εργαλεία παραγωγικής Τεχνητής Νοημοσύνης.
«Το θέμα δεν είναι να αντικαταστήσουμε τους ανθρώπους σχεδιαστές με εργαλεία», δήλωσε ο Sengputa, «αλλά να ενισχύσουμε την παραγωγικότητα τους με νέα AI εργαλεία».
Η ταχύτητα με την οποία μπορούν να αναπτυχθούν επαναληπτικά σχέδια ανοίγει επίσης νέες δυνατότητες. Ορισμένα σχέδια επεξεργαστών μπορούν να προσανατολιστούν στην ενεργειακή απόδοση, άλλα στην απόλυτη απόδοση ή στην επέκταση του εύρους συχνοτήτων.
Τα ασύρματα chips αποκτούν ολοένα και μεγαλύτερη σημασία, με μια συνεχώς αυξανόμενη ζήτηση για μικρογραφία, οπότε αυτή η έρευνα αποτελεί ένα πολύτιμο βήμα προς τα εμπρός. Ωστόσο, ο Sengupta δήλωσε ότι αν η μέθοδος της ομάδας του μπορεί να επεκταθεί και σε άλλα μέρη του σχεδιασμού ενός κυκλώματος, θα μπορούσε να αλλάξει τον τρόπο με τον οποίο σχεδιάζουμε ηλεκτρονικά στο μέλλον. «Αυτό είναι μόνο η κορυφή του παγόβουνου όσον αφορά το τι επιφυλάσσει το μέλλον στον τομέα».
[via]
