據(jù)谷歌人工智能研究負責(zé)人Jeff Dean透露，谷歌正在嘗試通過人工智能程序推進專用芯片的內(nèi)部開發(fā)，以加速其軟件。Dean在舊金山舉行的International Solid State Circuits Conference年度技術(shù)研討會主題演講之后，接受ZDNet采訪時說：“我們內(nèi)部正在將人工智能技術(shù)用于一系列芯片設(shè)計項目中?！?/p>

過去幾年中，谷歌開發(fā)了一個AI硬件家族——Tensor Processing Unit（TPU芯片），用于在服務(wù)器計算機中處理AI。使用AI來設(shè)計芯片是一個良性循環(huán)：AI讓芯片變得更好，經(jīng)過改良的芯片又能增強AI算法，依此類推。

在主題演講中，Dean向參會者介紹了如何使用機器學(xué)習(xí)程序決定計算機芯片的電路布局，最終設(shè)計與人類芯片設(shè)計人員相比，其敏銳度相當(dāng)甚至更高。

當(dāng)“布線”任務(wù)中，芯片設(shè)計人員通常會使用軟件來確定芯片中的電路布局，有點類似于建筑物設(shè)計平面圖。為了找到滿足多個目標(biāo)的最佳布局，需要考慮很多因素，包括提供芯片性能，同時還要避免不必要的復(fù)雜性，否則可能增加芯片制造成本。這種平衡需要大量的人類啟發(fā)式思維，以最佳方式進行設(shè)計?，F(xiàn)在，人工智能算法也能夠以這種啟發(fā)式思維方式進行設(shè)計。

Dean舉例說，深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)只花了24個小時就解決了問題，而人類設(shè)計是需要6至8周，并且前者的解決方案更好。這減少了芯片總布線數(shù)量，從而提高了效率。

Dean向參會者表示，用于解決這個問題的機器學(xué)習(xí)模型僅用24小時就提出了一種芯片設(shè)計方案，而人類設(shè)計師用了8周時間才完成。

這個深度學(xué)習(xí)程序類似于Google DeepMind部門為征服Go游戲開發(fā)的AlphaZero程序，并且也是一種強化學(xué)習(xí)。為了實現(xiàn)目標(biāo)，該程序嘗試了各種步驟來查看哪些步驟可以帶來更好的結(jié)果，只不過不是下棋，而是在芯片中設(shè)計最優(yōu)的電路布局。

與Go不同的是，這個解決方案的“空間”（布線數(shù)量）要大得多，而且如上所述必須滿足很多要求，不是僅僅贏得比賽這一個目標(biāo)。

Dean表示，這個內(nèi)部研究還處于了解深度學(xué)習(xí)技術(shù)的早期階段?！拔覀冋谧屛覀兊脑O(shè)計師進行試驗，看看如何開始在工作流程中使用該程序。另外我們正在試圖了解該程序的用處以及它在哪些方面可以改進。”

谷歌進軍AI設(shè)計領(lǐng)域正處于芯片生產(chǎn)復(fù)興之時，旨在讓不同大小的專用芯片都可以更快地運行機器學(xué)習(xí)。有機器學(xué)習(xí)科學(xué)家認(rèn)為，專用AI硬件可以催生更大型、更高效的機器學(xué)習(xí)軟件項目。

Dean說，即使谷歌擴展了AI設(shè)計項目，仍然會有很多AI硬件初創(chuàng)公司（例如Cerebras Systems和Graphcore）給市場帶來多樣性，并迅速發(fā)展起來。并表示這種多樣性會很有意思。

“我不確定這些初創(chuàng)公司是否能夠在市場中生存下去，但這很有意思，因為其中很多初創(chuàng)公司采取了截然不同的設(shè)計方式。有些加速的模型很小，可以用于片上SRAM。”這意味著，機器學(xué)習(xí)模型可能非常小，不需要外置內(nèi)存。

“如果你的模型可用于SRAM，那么會變得非常高效，但如果不適合，那就不是你應(yīng)該選擇的芯片?！?/p>

谷歌稱，這個機器學(xué)習(xí)程序創(chuàng)造了很多連人類設(shè)計師都沒有想到的新穎電路設(shè)計。

當(dāng)被問及這些芯片是否會融入某些標(biāo)準(zhǔn)設(shè)計的時候，Dean暗示，多樣化是很有可能的，至少就目前來看。“我確實認(rèn)為大家使用的方法會各有千秋，因為當(dāng)前有關(guān)機器學(xué)習(xí)的研究呈現(xiàn)爆炸式增長，機器學(xué)習(xí)被用于解決各種各樣的問題，當(dāng)有如此多選擇的時候，你肯定不想只盯著一個選擇，而是想要五個或者六個——不會是一千個，但得有五個或六個不同的設(shè)計點?！?/p>

Dean補充說：“哪些設(shè)計方法會脫穎而出，這一點令人期待，不管是能夠解決很多問題的通用方法，還是加速某個方面的專業(yè)化方法?！?/p>

談到谷歌除了TPU之外的舉措， Dean表示，谷歌正在嘗試越來越多的專用芯片。當(dāng)被問及谷歌AI硬件是否可能延伸到其現(xiàn)有產(chǎn)品之外時，Dean回答說：“哦，是的?！?/p>

“毫無疑問，機器學(xué)習(xí)正在被越來越廣泛地用于谷歌產(chǎn)品中，這些產(chǎn)品既包括基于數(shù)據(jù)中心的服務(wù)，也有很多手機上的產(chǎn)品?！盌ean指出，Google Translate就是一個擺脫了復(fù)雜性的程序，該程序現(xiàn)在支持七十種不同的語言，即使是在飛行模式下也可以在手機上使用。

Dean指出，谷歌擴充了面向AI的芯片家族。例如Edge TPU就涵蓋了“不同的設(shè)計點”，包括低功耗應(yīng)用，以及數(shù)據(jù)中心核心的高性能應(yīng)用。當(dāng)被問及谷歌是否會進一步擴大多樣性的時候，Dean回答說：“我認(rèn)為會的?！?/p>

Dean表示，“即使在非數(shù)據(jù)中心領(lǐng)域，你會也看到不同高功率環(huán)境——例如自動駕駛汽車——之間的區(qū)別，不一定是1瓦，有可能是50或100瓦。因此，針對這種環(huán)境和針對手機環(huán)境，你需要不同的方法?！蓖瑫r，還有農(nóng)業(yè)傳感器之類的超低功耗應(yīng)用，這些應(yīng)用程序可以執(zhí)行一些AI處理，而無需將任何數(shù)據(jù)發(fā)送到云中。這種傳感器如果支持AI就可以評估是否收集了（例如攝像頭的）任何數(shù)據(jù)，并將這些單獨的數(shù)據(jù)點發(fā)送回云端進行分析。