Как стать автором
Обновить

Google разрабатывает ИИ для создания чипов для ИИ

АлгоритмыМашинное обучениеРобототехникаИскусственный интеллект


Специалисты Google Brain, исследовательского проекта Google по изучению искусственного интеллекта, разрабатывают алгоритмы, которые будут сами создавать процессоры. Статью с описанием своего проекта команда опубликовала на Arxiv.

Специалисты в области робототехники создают множество чипов для быстрого и эффективного выполнения алгоритмов ИИ. Например, среди таких проектов — процессор Cerebras Wafer Scale Engine (WSE) со сторонами 21,5 см и 1,2 трлн транзисторов в каждом кристалле, а также чип Hailo-8, созданный израильским стартапом Hailo и предназначенный для обучения роботов, обрабатывающих большие объёмы информации с датчиков, таких как HD-камеры. Проблема в том, что на разработку таких чипов уходят годы, а машинное обучение развивается намного быстрее. Робототехника нуждается в чипах, которые были бы оптимизированы для современного ИИ, а не ИИ, созданного два-пять лет назад. Google предлагает создать ИИ, который сам займётся разработкой новых чипов, подходящих под современные требования.

«Есть алгоритмы и архитектуры нейронных сетей, которые не так хорошо работают на существующих поколениях процессоров, потому что процессоры были спроектированы несколько лет назад, когда этих нейронных сетей ещё не существовало, — приводит IEEE Spectrum комментарий Азалии Мирхосейни, старшего научного сотрудника Google Brain. — Если мы сократим цикл проектирования, мы сможем преодолеть разрыв. Мы считаем, что сократить цикл разработки микросхем может сам искусственный интеллект».

Мирхосейни и её коллега в Google Brain, старший инженер-программист Анна Голди, придумали нейронную сеть, которая учится выполнять особенно трудоемкую часть проектирования чипов — размещение. Достаточно долго изучая конструкции чипов, ИИ может создать проект для Google TensorFlow менее чем за 24 часа, тогда как специалисты-люди могут потратить на это несколько недель.

Размещение компонентов чипа, пишет IEEE Sectrum, — процесс крайне сложный и отнимающий много времени. Необходимо разместить все компоненты чипа таким образом, чтобы его мощность и производительность были максимальными, а площадь — минимальной. Голди и Мирхосейни для создания своего ИИ используют обучение с подкреплением. В процессе обучения с подкреплением искусственный интеллект, в отличие от других методов глубокого обучения, не взаимодействует с большим набором данных. Вместо этого система учится, настраивая параметры в соответствии с обратной связью, которую она получает. В этом случае в процессе обучения ИИ пытается добиться сочетания улучшенной производительности, меньшей площади и сниженного энергопотребления чипа. При этом чем больше проектов выполняет робот, тем лучше он становится в своей сфере.

Команда Google Brain надеется, что системы ИИ, подобные тем, что разрабатывают Голди и Мирхосейни, приведут к появлению «большего количества микросхем за меньший период времени, а также микросхем, которые работают быстрее при меньших затратах энергии, дешевле и занимают меньше места.
Теги:искусственный интеллектробототехникаgooglegoogle brainииалгоритмымашинное обучение
Хабы: Алгоритмы Машинное обучение Робототехника Искусственный интеллект
Всего голосов 14: ↑13 и ↓1+12
Просмотры2.4K

Похожие публикации

Лучшие публикации за сутки