人工智能現(xiàn)在正在幫助設(shè)計計算機芯片——包括運行最強大的人工智能代碼所需的芯片,。

　　現(xiàn)代芯片設(shè)計錯綜復(fù)雜,，需要設(shè)計師在一個比指甲還小的表面上排列數(shù)十億個組件,。每一步的決策都會影響芯片的最終性能和可靠性,，所以最好的芯片設(shè)計師要依靠多年的經(jīng)驗和來之不易的專業(yè)知識來設(shè)計電路,，從而從納米器件中獲得最佳性能和功率效率,。過去幾十年里,，芯片設(shè)計自動化的收效甚微,。

　　但最近人工智能的發(fā)展使得芯片設(shè)計有了大幅提升的可能性,。這將幫助企業(yè)在更短的時間內(nèi)設(shè)計出更強大,、更有效的芯片,。重要的是，這種方法還可以幫助工程師共同設(shè)計人工智能軟件,，通過對代碼和不同的電路布局進行不同的調(diào)整,，以找到兩者的最佳配置。

　　與此同時,，人工智能的興起引發(fā)了人們對各種新型芯片設(shè)計的新的興趣,。從汽車到醫(yī)療設(shè)備再到科學研究，高端芯片對社會經(jīng)濟的方方面面都越來越重要,。

　　包括英偉達,、谷歌和 IBM 在內(nèi)的芯片制造商都在測試有助于在復(fù)雜芯片上布局和布線的人工智能工具。這種方法可能會撼動芯片行業(yè),，但也可能帶來新的工程復(fù)雜性,，因為所部署的算法類型有時會以不可預(yù)測的方式運行

　　在英偉達，英偉達首席研究員haxing“Mark”Ren正在測試一種名為強化學習（reinforcement learning）的人工智能概念如何幫助布局芯片上的組件,，以及如何將它們連接在一起,。這種讓機器從經(jīng)驗和實驗中學習的方法是人工智能取得一些重大進展的關(guān)鍵。

　　Ren 正在測試的 AI 工具在模擬中探索不同的芯片設(shè)計,，訓練一個大型人工神經(jīng)網(wǎng)絡(luò)來識別哪些決策最終會產(chǎn)生高性能芯片,。Ren 表示，這種方法應(yīng)該可以將生產(chǎn)芯片所需的工程工作量減少一半,，同時生產(chǎn)出的芯片的性能可以達到或超過人工設(shè)計的芯片,。

　　“你可以更高效地設(shè)計芯片，”Ren說：“而且,，它給了你探索更多設(shè)計空間的機會,，這意味著你可以制造更好的芯片?！?/p>

　　英偉達最初是為游戲玩家制造顯卡,，但他很快就看到了同類芯片在運行強大機器學習算法方面的潛力，現(xiàn)在它是高端 AI 芯片的領(lǐng)先制造商,。Ren表示,，英偉達計劃將使用人工智能制作的芯片推向市場，但拒絕透露多快,。他說,，在更遙遠的未來，“你可能會看到大部分采用 AI 設(shè)計的芯片,?！?/p>

　　強化學習最著名的是用來訓練電腦玩復(fù)雜的游戲，包括棋類游戲圍棋，它具有超人的技能,，而沒有任何關(guān)于游戲規(guī)則或良好玩法原則的明確指導(dǎo),。它有望在各種實際應(yīng)用中發(fā)揮作用，包括訓練機器人抓取新物體等,。

　　麻省理工學院電子工程和計算機科學助理教授Song Han表示,，強化學習在改進芯片設(shè)計方面具有巨大潛力，因為就像圍棋一樣,，如果沒有多年的經(jīng)驗和實踐,，很難預(yù)測出正確的決策。

　　他的研究小組最近開發(fā)了一種工具,，通過在模擬中探索不同的芯片設(shè)計,，使用強化學習來確定計算機芯片上不同晶體管的最佳尺寸。重要的是,，它還可以將它從一種芯片學到的知識轉(zhuǎn)移到另一種芯片上,，這有望降低自動化過程的成本。在實驗中,，人工智能工具產(chǎn)生的電路設(shè)計的能效是人類工程師設(shè)計的電路設(shè)計的 2.3 倍,，同時產(chǎn)生的干擾是人類工程師設(shè)計的電路設(shè)計的五分之一。麻省理工學院的研究人員正在研究人工智能算法和新穎的芯片設(shè)計,，以充分利用兩者,。

　　其他行業(yè)參與者——尤其是那些在開發(fā)和使用人工智能方面投入大量資金的參與者——也正在尋求采用人工智能作為芯片設(shè)計的工具。

　　在芯片自動化設(shè)計領(lǐng)域當中,，谷歌是新貴,，從2016年開始制造芯片，以訓練其人工智能算法,。該公司正在使用強化學習來確定組件在芯片上的位置,。在上個月發(fā)表在《自然》雜志上的一篇論文中，谷歌的研究人員表明,，這種方法可以在幾小時而不是幾周內(nèi)完成芯片設(shè)計,。人工智能創(chuàng)建的設(shè)計將用于未來版本的谷歌云張量處理單元來運行人工智能。谷歌的一項單獨工作,，稱為 Apollo，正在使用機器學習來優(yōu)化加速某些類型計算的芯片,。谷歌研究人員還展示了如何協(xié)同設(shè)計人工智能模型和芯片硬件,，以提高計算機視覺算法的性能。

　　英偉達的Ren表示,，人工智能工具很可能會幫助經(jīng)驗不足的設(shè)計師開發(fā)出更好的芯片,。隨著更廣泛的芯片（包括許多專門用于某些 AI 任務(wù)的芯片）進入市場，這可能很重要,。

　　但Ren也警告說,，工程師仍然需要大量的專業(yè)知識,，因為強化算法有時會以不可預(yù)測的方式運行，如果工程師未能發(fā)現(xiàn)它們,，這可能會導(dǎo)致設(shè)計甚至制造中的代價高昂的錯誤,。例如，研究表明玩游戲的強化學習算法可以專注于導(dǎo)致短期收益但最終失敗的策略,。

　　Ren 說,，這種算法錯誤行為“是所有機器學習工作的常見問題”?！岸鴮τ谛酒O(shè)計來說,，這一點更為重要?！?/p>