Google утверждает, что ее ИИ проектирует чипы лучше, чем люди – эксперты не согласны

Google DeepMind утверждает, что ее искусственный интеллект помог разработать чипы, которые уже используются в центрах обработки данных и даже в смартфонах. Но некоторые эксперты по дизайну микросхем скептически относятся к заявлениям компании о том, что такой ИИ может планировать новые компоновки чипов лучше, чем люди.

Новый метод AlphaChip позволяет разрабатывать «сверхчеловеческие макеты чипов» за несколько часов, вместо того, чтобы полагаться на недели или месяцы человеческих усилий. Анна Голди И Азалия МирхосейниИсследователи Google DeepMind в сообщение в блоге. Этот подход ИИ использует обучение с подкреплением для понимания взаимосвязей между компонентами на кристалле и вознаграждается в зависимости от качества окончательного макета. Но независимые исследователи говорят, что компании еще предстоит доказать, что такой ИИ может превзойти опытных разработчиков микросхем или коммерческие программные инструменты – и они хотят увидеть, как AlphaChip покажет результаты общедоступных тестов, включающих современные и передовые схемы.

«Если бы Google предоставил экспериментальные результаты для этих проектов, мы могли бы провести честное сравнение, и я надеюсь, что все примут эти результаты», — говорит Патрик Мэдден в Бингемтонском университете в Нью-Йорке. «Эксперименты займут максимум день или два, а ресурсы Google почти безграничны — тот факт, что эти результаты не были предложены, говорит мне о многом». Google DeepMind отказался предоставить дополнительные комментарии.

Сообщение в блоге Google DeepMind сопровождает обновлять в Google 2021 Природа журнальная статья о процессе искусственного интеллекта компании. С тех пор компания Google DeepMind сообщает, что AlphaChip помог разработать три поколения тензорных процессоров Google (TPU), специализированных чипов, используемых для обучения и запуска генеративных моделей искусственного интеллекта для таких сервисов, как чат-бот Google Gemini.

Компания также утверждает, что конструкции чипов с помощью искусственного интеллекта работают лучше, чем те, которые разработаны людьми-экспертами, и постоянно совершенствуются. ИИ достигает этого за счет уменьшения общей длины проводов, необходимых для соединения компонентов чипа — фактор, который может снизить энергопотребление чипа и потенциально повысить скорость обработки. А Google DeepMind утверждает, что AlphaChip создавал конфигурации для чипов общего назначения, используемых в центрах обработки данных Google, одновременно помогая компании MediaTek разрабатывать чип, используемый в мобильных телефонах Samsung.

Но код, обнародованный Google, не поддерживает распространенные в отрасли форматы данных чипов, что позволяет предположить, что метод искусственного интеллекта в настоящее время больше подходит для собственных чипов Google, согласно мнению Игорь Марковисследователь чип-дизайна. «Мы действительно не знаем, что такое AlphaChip сегодня, что он делает, а что нет», — говорит он. «Мы знаем, что обучение с подкреплением требует вычислительных ресурсов на два-три порядка больше, чем те, которые используются в коммерческих инструментах, и что оно обычно отстает. [in terms of] результаты».

Марков и Мэдден раскритиковали оригинальную статью спорный утверждает, что AlphaChip превосходит анонимных экспертов-людей. «Сравнения с анонимными дизайнерами-людьми субъективны, невоспроизводимы и их очень легко обмануть. Люди-проектировщики могут приложить мало усилий или быть неквалифицированными — здесь нет никаких научных результатов», — говорит Марков. «Представьте, если бы AlphaGo сообщила о победах над анонимными игроками в го».

В 2023 году независимый эксперт, рецензировавший статью Google убран ее Природа комментаторская статья, в которой первоначально хвалилась работа Google. Этот эксперт, Эндрю Кан в Калифорнийском университете в Сан-Диего также провели исследование усилия по общественному сравнительному анализу которая попыталась воспроизвести метод искусственного интеллекта Google и обнаружила, что он не всегда превосходит эксперта-человека или традиционные компьютерные алгоритмы. Наиболее успешными методами оказались коммерческие программы для проектирования микросхем, предлагаемые такими компаниями, как Cadence и NVIDIA.

«По каждому тесту, где есть то, что я считаю справедливым сравнением, кажется, что обучение с подкреплением значительно отстает от современного уровня техники», — говорит Мэдден. «Что касается размещения цепей, я не думаю, что это многообещающее направление исследований».