Google diz que sua IA projeta chips melhor que humanos – especialistas discordam

O Google afirma que a DeepMind ajudou a projetar seus chips de inteligência artificial que já estão sendo usados ​​em data centers e até mesmo em smartphones. Mas alguns especialistas em design de chips estão céticos em relação às afirmações da empresa de que tal IA pode planejar novos layouts de chips melhor do que os humanos.

O recém-nomeado método AlphaChip pode projetar “layouts de chips sobre-humanos” em horas, em vez de depender de semanas ou meses de esforço humano. Anna Goldie E Azaléia MirhosseiniPesquisadores do Google DeepMind, A Postagem no blog. Este método de IA usa aprendizado por reforço para encontrar relações entre os elementos do chip e as recompensas com base na qualidade do layout final. Mas pesquisadores independentes dizem que a empresa ainda precisa provar que a IA pode superar os designers de chips humanos especializados ou as ferramentas de software comercial – e eles querem ver o desempenho do AlphaChip em benchmarks públicos envolvendo projetos de circuitos atuais e de última geração.

“Se o Google fornecesse resultados de testes para esses projetos, poderíamos fazer uma comparação justa e espero que todos aceitem os resultados”, disse Patrick Madden na Universidade de Binghamton, em Nova York. “Os testes levariam no máximo um ou dois dias para serem executados, e o Google tem recursos infinitos – esses resultados não foram oferecidos a mim.”

Um com a postagem do blog do Google DeepMind Atualizar No Google 2021 a natureza Artigo de jornal sobre os processos de IA da empresa. Desde então, o Google DeepMind afirma que o AlphaChip ajudou a projetar três gerações de Tensor Processing Unit (TPU) do Google – chips especializados usados ​​para treinar e executar modelos generativos de IA para serviços como o chatbot Gemini do Google.

A empresa também afirma que os designs de chips assistidos por IA têm melhor desempenho do que aqueles projetados por especialistas humanos e estão em constante melhoria. A IA consegue isso reduzindo o comprimento total dos cabos necessários para conectar os componentes do chip – um fator que pode reduzir o consumo de energia do chip e potencialmente melhorar a velocidade de processamento. E o Google DeepMind afirma que a AlphaChip desenvolveu layouts para chips de uso geral usados ​​nos data centers do Google, com a empresa ajudando a MediaTek a desenvolver um chip usado em telefones celulares Samsung.

“Não sabemos realmente o que é o AlphaChip hoje, o que faz e o que não faz”, disse ele Igor MarkovUm pesquisador de design de chips em uma empresa concorrente. “Sabemos que o aprendizado por reforço consome de duas a três ordens de magnitude mais recursos computacionais do que os métodos usados ​​em ferramentas comerciais e normalmente fica atrás (em termos de) resultados.”

Markov e Madden criticaram isso Demanda por papel original AlphaChip pretende superar especialistas humanos anônimos. “As comparações com designers humanos não identificados são subjetivas, não reproduzíveis e muito fáceis de jogar. Os designers humanos podem exercer menos esforço ou ser mal qualificados – não há resultados científicos aqui”, disse Markov. “Imagine se AlphaGo relatasse uma vitória contra jogadores anônimos de Go.” Um porta-voz do Google DeepMind usa as melhores ferramentas comerciais disponíveis para testar especialistas usando Chip TPU do Google Descrito como membro da equipe de design.

Em 2023, um especialista independente que revisou o artigo do Google cancelamento dele a natureza Artigos de comentários que elogiavam principalmente o trabalho do Google, mas também solicitavam replicação. Esse especialista, Andrew Kahn na Universidade da Califórnia, San Diego, também dirigiu um Esforços de benchmarking público que tentou replicar a abordagem de IA do Google e descobriu que ela não superava consistentemente um especialista humano ou algoritmos de computador convencionais. Os métodos de melhor desempenho usados ​​para comparação foram software comercial ou ferramentas de pesquisa interna para design de chips de empresas como Cadence e NVIDIA. UM Declaração de 2023, Goldie e Mirhosseini contestam os resultados de benchmarking de Kahong. Eles disseram que seus experimentos não treinaram o sistema de IA em designs de chips específicos – um fator chave para sua eficácia – e confiaram em “muito menos recursos computacionais” do que a equipe do Google DeepMind para treinar a IA.

“Em todos os parâmetros onde eu consideraria uma comparação justa, parece que a aprendizagem por reforço está muito atrás do estado da arte”, disse Madden. “Quanto à colocação de circuitos, não acredito que seja uma direção de pesquisa promissora.”