Was Menschen Monate in Anspruch nehmen, schafft Googles künstliche Intelligenz in sechs Stunden. Das ist die Behauptung von Google über seine KI, die in der Lage ist, maschinelle Lernchips zu entwickeln, die denen von Menschen „vergleichbar oder überlegen“ sind. Nach jahrelangen Experimenten werden wir diesbezüglich in Kürze das erste kommerzielle Produkt sehen: Googles kommende TPU-Chips wurden von einer KI entworfen.
Dass Google seine KI nutzt, um KI-optimierte Chips zu entwickeln, ist kein Geheimnis. Jetzt scheint es jedoch, dass sie aufgehört haben zu experimentieren und es auf echte Produkte anzuwenden. Sie haben auch die Gelegenheit genutzt, in Nature eine Studie zur Erklärung der Entwicklung zu veröffentlichen.
Der große Vorteil, den KI dem Chipdesign zu bringen scheint, ist die Geschwindigkeit. Laut Google könnten die großen Zeiteinsparungen, die durch die Verwendung des Algorithmus für das Design anstelle von Menschen entstehen, wichtige Auswirkungen auf die Branche haben. Grundsätzlich sollte es möglich sein, Design-Iterationen für kommende Chips zu beschleunigen und Chips schnell für bestimmte Anwendungen zu entwerfen, für die sie optimiert sind.
KI scheint am wahrscheinlichsten einen Einfluss zu haben, ist die Planung der Platzierung von Elementen auf dem Chip. Bei diesem Prozess wird im Wesentlichen ausgewählt, wo auf der Chipoberfläche jedes Element (CPU, GPU, Speicher…) hingehört. Dies ist wichtig, da es sich direkt auf die Geschwindigkeit und Effizienz des Chips auswirkt, je nachdem, wie weit jedes Element von den anderen entfernt ist.
Während dies für den Menschen ein Problem mit monatelanger Anstrengung ist, nimmt die künstliche Intelligenz es als Spiel. Es interpretiert jedes Element des Chips als Spielstein und versucht, es an der effizientesten Stelle zu platzieren, wobei immer alle anderen Steine und mehrere andere Faktoren berücksichtigt werden. Nach einigen Stunden bietet es die recheneffizienteste Position der Elementmenge im gegebenen Grenzwert.
Um die KI zu trainieren, hat Google ihr Daten von 10.000 Chipdesigns höherer und niedrigerer Qualität gegeben. Jeder Chip wurde entsprechend seiner Qualität und unter Berücksichtigung von Werten wie benötigte Kabellänge oder Stromverbrauch gekennzeichnet. Auf diese Weise lernte die KI, welche Designs gut sind und welche nicht und generierte dann eigene.
