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.

Недавно названный 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 из Google DeepMind в сообщение в блоге. Этот подход ИИ использует обучение с подкреплением для выяснения взаимосвязей между компонентами чипа и получает вознаграждение в зависимости от качества окончательной компоновки. Но независимые исследователи говорят, что компания еще не доказала, что такой ИИ может превзойти опытных разработчиков микросхем или коммерческие программные инструменты – и они хотят увидеть производительность AlphaChip в общедоступных тестах, включающих современные, самые современные схемотехники.

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

Сообщение в блоге Google DeepMind сопровождает обновлять к Google в 2021 году Природа журнальная статья о процессе искусственного интеллекта компании. С тех пор 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 использованием искусственного интеллекта работают лучше, чем те, которые разработаны людьми-экспертами, и постоянно совершенствуются. ИИ достигает этого за счет уменьшения общей длины проводов, необходимых для подключения компонентов чипа — фактор, который может снизить энергопотребление чипа и потенциально повысить скорость обработки. А Google DeepMind сообщает, что AlphaChip создала макеты микросхем общего назначения, используемых в центрах обработки данных Google, а также помогла компании MediaTek разработать чип, используемый в мобильных телефонах Samsung.

Но в коде, публично опубликованном Google, отсутствует поддержка распространенных в отрасли форматов данных чипов, что говорит о том, что метод искусственного интеллекта в настоящее время больше подходит для собственных чипов Google, говорит он. Игорь Марковисследователь дизайна микросхем. «Мы действительно не знаем, что такое AlphaChip сегодня, что он делает, а что нет», — говорит он. «Мы знаем, что обучение с подкреплением требует на два-три порядка больше вычислительных ресурсов, чем методы, используемые в коммерческих инструментах, и обычно отстает от них. [in terms of] результаты».

Марков и Мэдден раскритиковали оригинальную статью. спорный утверждения о том, что AlphaChip превосходит неназванных экспертов-людей. «Сравнения с неназванными дизайнерами-людьми субъективны, невоспроизводимы и их очень легко обмануть. Люди-проектировщики могут прилагать мало усилий или быть недостаточно квалифицированными — никакого научного результата здесь нет», — говорит Марков. «Представьте, если бы AlphaGo сообщила о победах над неназванными игроками в го».

В 2023 году независимый эксперт, рецензировавший статью Google убран его Природа комментаторская статья, в которой первоначально хвалилась работа Google. Этот эксперт, Эндрю Кан в Калифорнийском университете в Сан-Диего также провел усилия по общественному сравнительному анализу которые пытались воспроизвести метод искусственного интеллекта Google и обнаружили, что он не всегда превосходит эксперта-человека или традиционные компьютерные алгоритмы. Наиболее эффективными методами оказались коммерческое программное обеспечение для проектирования чипов от таких компаний, 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 считаю, что это многообещающее направление исследований».