Googles KI kann Chips schneller und besser entwerfen als Menschen

Jedes Problem hat zwei Seiten, und die Entwicklung der Technologie der künstlichen Intelligenz (KI) bildet da keine Ausnahme. Einerseits sind die Menschen von den Errungenschaften und Beiträgen der KI in allen Lebensbereichen begeistert. Andererseits haben viele Menschen „Angst“ vor der Aussicht, dass KI den Menschen in vielen verschiedenen Bereichen überholen und ihm Arbeitsplätze „stehlen“ könnte.

Google hat diese Sorge noch verstärkt, als es eine Erklärung veröffentlichte, in der es hieß, dass das KI-System, das das Unternehmen selbst erforschen und entwickeln kann, nun in der Lage sei, Chips schneller und effizienter als Menschen zu entwerfen.

Konkret hat Google Brain – Googles Deep-Learning- und KI-Forschungsteam – laut Forschungsergebnissen, die in der Fachzeitschrift Nature veröffentlicht wurden, die erfolgreiche Entwicklung eines neuen Reinforcement-Learning-Systems angekündigt. Der Mikroprozessor kann einen kompletten Grundrissentwurf selbst durchführen schneller und besser als ein Mensch.

Mit Hilfe einer komplexen neuronalen Netzwerkarchitektur, die auf Kantengraphen basiert, kann das KI-Modell von Google Brain Grundrisse in nur einem Bruchteil der Zeit entwerfen, die ein Mensch dafür benötigt. Das Bild unten zeigt zwei Speichermakroblockdesigns. Das linke wurde von einem Menschen und das rechte von der KI in nur wenigen Stunden erstellt – viel weniger als ein Mensch und es verfügt außerdem über eine höhere Anzahl an Makroblöcken.

Ein Grundriss ist im Wesentlichen ein Diagramm, das zeigt, wie verschiedene Funktionsblöcke innerhalb eines Prozessors angeordnet sind, um ein Design für maximale Effizienz zu erstellen. Nachfolgend finden Sie zwei Beispielbilder, wie ein Grundriss aussehen sollte. Das Modell links ist einfacher, während das Design rechts etwas komplexer und detaillierter ist.

Interessanterweise plant Google, diese Technologie zum Bau eigener KI-Beschleuniger, sogenannter Tensor Processing Units (TPUs), zu nutzen. Wenn sie effektiv sind, werden sie auch auf alle Chipherstellungsprozesse im Allgemeinen anwendbar sein und die Möglichkeit bieten, viel Zeit zu sparen und gleichzeitig die Qualität sicherzustellen.