Dalam postingan sebuah blog pimpinan sistem kecerdasan buatan Google, Jeff Dean, ilmuwan di Google Research dan tim implementasi serta infrastruktur chip Google menjelaskan teknologi kecerdasan buatan yang dapat merancang chip komputer dalam waktu kurang dari enam jam.
Mereka menjelaskan tentang pendekatan berbasis pembelajaran mesin untuk mendesain chip, sistem yang dapat belajar dari pengalaman agar menjadi lebih baik dalam menghasilkan arsitektur untuk komponen yang tak terlihat.
Dilansir dari situs web Analyticsindiamag.com, mereka mengklaim bahwa teknologi ini dapat selesai merancang chip komputer dengan waktu kurang dari enam jam. Secara teknis ini lebih cepat dari para ahli yang membutuhkan waktu berminggu-minggu.
Teknologi baru itu mengusung kecanggihan dalam penempatan transistor pada chip yang sebagian besar berjalan otomatis. Jika tersedia untuk umum, teknik yang dilakukan para peneliti Google dapat memungkinkan startup yang kekurangan dana untuk mengembangkan chip mereka untuk sistem kecerdasan buatan dan tujuan khusus lainnya.
Selain itu, pengembangan seperti itu dapat mempersingkat siklus desain chip yang akan memungkinkan perangkat keras mampu beradaptasi lebih baik untuk penelitian yang berkembang pesat.
Para peneliti menyusun kerangka kerja yang mengarahkan agen yang dilatih melalui “reinforcement learning” atau pembelajaran mesin untuk penguatan serta mengoptimalkan penempatan chip.
Netlist menyampaikan bahwa teknologi semikonduktor yang menggunakan model sistem kecerdasan buatan menghasilkan distribusi probabilitas di lokasi penempatan yang tersedia, sementara model dapat membantu memperkirakan imbalan yang diharapkan untuk penempatan teknologi saat ini.
Untuk memandu agen dalam memilih komponen mana yang akan didahulukan, komponen diurutkan berdasarkan ukuran komponen yang lebih besar terlebih dahulu untuk mengurangi kemungkinan tidak ada tempat tersedia nanti.
Menurut tim, pelatihan agen membutuhkan pembuatan data set dari 10.000 penempatan chip, di mana input merupakan keadaan yang dikaitkan dengan penempatan yang diberikan dan label adalah hadiah untuk penempatan.
Tidak seperti metode yang ada yang mengoptimalkan penempatan untuk setiap chip baru dari awal, pekerjaan kami memanfaatkan pengetahuan yang diperoleh dari penempatan chip sebelumnya untuk menjadi lebih baik dari waktu ke waktu.(na)