机器学习加速芯片设计 让人工智能设计下一代人工智能

英国《自然》杂志9日发表一项人工智能突破性成就，美国科学家团队报告机器学习工具已可以极大地加速计算机芯片设计。研究显示，该方法能给出可行的芯片设计，且芯片性能不亚于人类工程师的设计，而整个设计过程只要几个小时，而不是几个月，这为今后的每一代计算机芯片设计节省数千小时的人力。
不同元件在计算机芯片上的布局，是决定芯片整体性能的关键。设计计算机芯片的物理布局既复杂又耗时，难度非常大，需要专业人类设计工程师付出大量工作。而尽管已为此进行多年的尝试，芯片布局规划一直都无法实现自动化，需要设计工程师们花费数月的努力才能生产可供规模制造的布局。
研究团队将芯片布局规划设计成一个强化学习问题，并开发了一种能给出可行芯片设计的神经网络。他们训练了一个强化学习智能体，让这个智能体把布局规划看作一种棋盘游戏：元件是 棋子 ，放置元件的画布是 棋盘 ， 获胜结果 则是根据一系列评估指标评出的最优性能。
研究人员指出，这种方法能在6小时内设计出与人类专家不相上下或是更好的可行芯片布局，有望为今后的每一代计算机芯片设计节省数千小时的人力。
开发出比当前方法更好、更快、更省钱的自动化芯片设计方法，有助于延续芯片技术的 摩尔定律 。这里的摩尔定律，是指每块芯片的元件数量大约每两年会翻一番。
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种 复杂工作 的理解是不同的。
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
在不到6小时的时间里，一个深度学习强化方法，可以自动生成芯片设计的所有关键指标，包括功耗、性能和芯片面积，且给出的布局图都优于或可与人类设计的芯片布局图相比肩。这无疑是人工智能助力人类实现更好、更快、更强目标的范例。有意思的是，这个人工智能现在又被拿去设计下一代人工智能，这让我们看到一种共生关系 更强大的人工智能设计硬件，正在推动人工智能的进步。