Os engenheiros do Google encarregaram uma inteligência artificial de projetar processadores mais rápidos e eficientes. Eles usaram os designs de seus chips para desenvolver a próxima tecnologia de computadores especializados que executam exatamente o mesmo tipo de algoritmos de inteligência artificial.
O Google opera em uma escala tão grande que projeta seus próprios chips de computador em vez de comprar produtos comerciais. Isso permite otimizar os chips para executar seu próprio software, mas o processo é demorado e caro. Um chip personalizado geralmente leva de dois a três anos para ser desenvolvido.
Como um chip é projetado
O estágio de projeto do chip é um processo de planejamento, que envolve pegar o diagrama de circuito finalizado de um novo chip e organizar os milhões de componentes em um layout eficiente para a fabricação.
Embora o design funcional do chip esteja completo neste ponto, o layout pode ter um grande efeito na velocidade e no consumo de energia. Para chips em smartphones, a prioridade pode ser reduzir o consumo de energia para aumentar a vida útil da bateria, mas para um data center, pode ser mais importante maximizar a velocidade.
Anteriormente, o planejamento de piso era uma tarefa muito manual e demorada, diz Anna Goldie, do Google. As equipes dividiam os chips maiores em blocos e trabalhavam nas peças em paralelo, procurando encontrar pequenos refinamentos, diz ela.
A inteligência artificial agilizou o desenvolvimento de novos chips
Mas Goldie e seus colegas criaram um software que transforma o problema de planejamento em uma tarefa para uma rede neural. Ele trata um chip em branco e seus milhões de componentes como um quebra-cabeça complexo com uma vasta quantidade de soluções possíveis.
O objetivo é otimizar quaisquer parâmetros que os engenheiros decidam ser mais importantes, ao mesmo tempo que posiciona todos os componentes e conexões entre eles com precisão.
O software começou desenvolvendo soluções aleatoriamente que foram testadas quanto ao desempenho e eficiência por um algoritmo separado e, em seguida, retornaram ao primeiro.
Desse modo, ele aprendeu gradualmente quais estratégias foram eficazes e se basearam em sucessos anteriores. “Começou meio aleatório e conseguiu colocações realmente ruins, mas depois de milhares de iterações se tornou extremamente bom e rápido”, diz Goldie.
O software da equipe produziu layouts para um chip em menos de 6 horas que eram comparáveis ou superiores aos produzidos por humanos ao longo de vários meses em termos de consumo de energia, desempenho e densidade do chip.
Uma ferramenta de software existente chamada RePlAce, que conclui projetos em uma velocidade semelhante, ficou aquém dos humanos e da IA em todas as contagens nos testes.
O design do chip usado nos experimentos foi a versão mais recente do Tensor Processing Unit (TPU) do Google, projetado para executar exatamente o mesmo tipo de algoritmo de rede neural para uso no mecanismo de busca da empresa e na ferramenta de tradução automática.
Os chips de inteligência artificial devem tornar o futuro prático
É concebível que este novo chip projetado por IA seja usado no futuro para projetar seu sucessor, e esse sucessor, por sua vez, seria usado para projetar seu próprio substituto.
A equipe acredita que a mesma abordagem de rede neural pode ser aplicada a vários outros estágios demorados do projeto do chip, reduzindo o tempo geral do projeto de anos para dias.
A empresa pretende iterar rapidamente porque mesmo pequenas melhorias na velocidade ou no consumo de energia podem fazer uma enorme diferença na vasta escala em que opera.
“Há um alto custo de oportunidade em não lançar a próxima geração. Digamos que o novo seja muito mais eficiente em termos de energia. O nível de impacto que pode ter na pegada de carbono do aprendizado de máquina, já que ele é implantado em todos os tipos de data centers diferentes, é realmente valioso. Mesmo um dia antes, isso faz uma grande diferença ”, diz Goldie.