فهرست مطالب
جف دین، مدیر سابق هوش مصنوعی گوگل معتقد است که خودکارسازی طراحی تراشه با کمک هوش مصنوعی میتواند چرخه توسعه تراشه را از سالها به چند ماه کاهش دهد.
به گزارش سرویس هوش مصنوعی تکناک، دین که اکنون مدیر شرکت هوش مصنوعی دیسکاوری لوپ است، یکی از قدیمیترین کارکنان گوگل محسوب میشود و سابقه فعالیت در حوزه استفاده از یادگیری تقویتی برای طراحی تراشه را دارد. او در دوران حضور خود در گوگل، یکی از ۲۱ نویسنده مقاله پژوهشی در مجله نیچر بود که در آن ادعا شده بود یادگیری تقویتی در طراحی تراشه میتواند عملکرد بهتری نسبت به روشهای سنتی داشته باشد. انتشار این مقاله با حواشی و مناقشات حقوقی همراه شد، اما دین همچنان بر این باور است که استفاده از هوش مصنوعی برای طراحی تراشه، مسیر آینده این حوزه خواهد بود.
بیشتر بخوانید: آیا هوش مصنوعی میتواند نظریه نسبیت اینشتین را دوباره کشف کند؟
چالش تخصصیسازی سختافزارها
دین در یک مصاحبه تاکید کرد که سختافزارهای تخصصی را مسیر پیشروی صنعت میداند. به اعتقاد او، تراشههای تخصصی میتوانند به ساخت سیستمهایی با بهرهوری بالاتر منجر شوند. او در تشریح وضعیت فعلی رایانش گفت که اکنون حجمهای کاری مشخصی وجود دارند که بخش قابل توجهی از توان پردازشی جهان را مصرف خواهند کرد و همین مسئله، نیاز به تخصصیسازی بیشتر سختافزارها و خودکارسازی طراحی تراشه را افزایش میدهد.
حتما بخوانید: سازمان ملل خواستار تدابیر پیشگیرانه فوری در حوزه هوش مصنوعی شد
با وجود این، دین یکی از چالشهای اساسی تخصصیسازی تراشه را وابستگی طراحی نهایی به نیازهای آینده دانست. به گفته او، اگر هدف یا نوع کاری که قرار است تراشه برای آن استفاده شود در آینده تغییر کند، سختافزاری که ممکن است دو سال برای یک کاربرد مشخص طراحی و توسعه یافته باشد، دیگر لزوما به همان اندازه مرتبط و کاربردی نخواهد بود.
راهحل در خودکارسازی طراحی تراشه نهفته است
مدیر سابق گوگل راهحل این چالش را در خودکارسازی طراحی تراشه میداند. او توضیح داد که در فرایند سنتی طراحی تراشه، ابتدا یک تیم مهندسی مشخصات سطح بالای تراشه را بررسی و سپس مشخصات سطح پایین انتقال ثبات یا RTL را بر اساس آن ایجاد میکند. از آنجا که این تبدیل به صورت دستی انجام میشود، تیم دیگری از مهندسان نیز وظیفه بررسی و اعتبارسنجی خروجی تیم نخست را بر عهده میگیرد.
برای مطالعه بیشتر: آمازون دستیار هوش مصنوعی Muse متا را مسدود کرد
به باور دین، میتوان با ایجاد حلقههای خودکار و استفاده از یادگیری تقویتی یا روشهای تکاملی، این فرایند را متحول کرد. او سرعت را کلید عبور از محدودیتهای اتوماسیون سنتی طراحی الکترونیکی یا EDA میداند، زیرا افزایش سرعت اجرای این فرایندها امکان ایجاد چرخهای بسیار خودکارتر برای بررسی و جستوجوی گزینههای مختلف طراحی را فراهم میکند و در نهایت میتواند با خودکارسازی چرخه توسعه و طراحی تراشه را به شکل چشمگیری کوتاه کند.
گسترش هوش مصنوعی، بهویژه هوش مصنوعی عاملمحور، بحثهای گستردهای درباره کاربرد این فناوری در طراحی نیمهرساناها به راه انداخته است. شرکتهای مختلف، از ارائهدهندگان بزرگ ابزارهای EDA گرفته تا شرکتهای چینی به استفاده از هوش مصنوعی عاملمحور روی آوردهاند. در مقابل، شرکت TSMC معتقد است هوش مصنوعی ممکن است برای طراحی فناوریهای تولید نسل آینده گزینه مناسبی نباشد.
