Google affirme que son IA est plus rapide et plus performante que les humains pour concevoir des puces pour l’IA,
Elle conçoit une puce en moins de 6 heures, ce qui prendrait des mois aux humains
Google affirme avoir développé un logiciel d'intelligence artificielle capable de concevoir des puces informatiques plus rapidement que les humains. Dans un article publié mercredi, le géant de la technologie affirme qu'une puce dont la conception prendrait des mois à l'homme peut être imaginée par sa nouvelle IA en moins de six heures. L'IA a déjà été utilisée pour développer la dernière itération des puces de l'unité de traitement Tensor (TPU) de Google, qui sont utilisées pour exécuter des tâches liées à l'IA, a indiqué Google. Les ingénieurs de Google ont noté que cette avancée pourrait avoir des « implications majeures » pour le secteur des semi-conducteurs.
Il s'agit essentiellement de déterminer où les composants tels que les cœurs des CPU et GPU et la mémoire sont placés les uns par rapport aux autres sur la puce. Leur positionnement sur ces minuscules cartes est important, car il influe sur la consommation d'énergie et la vitesse de traitement de la puce – le câblage et l'acheminement des signaux nécessaires pour connecter le tout ont une grande importance.
Les Ingénieurs de Google Azalia Mirhoseini et Anna Goldie, ainsi que leurs collègues, décrivent dans leur publication un système d'apprentissage par renforcement profond capable de créer des "schémas de base" en moins de six heures, alors qu'il faut parfois des mois aux ingénieurs humains et à leurs outils automatisés pour parvenir à une disposition optimale. En d'autres termes, Google utilise l'IA pour concevoir des puces qui peuvent être utilisées pour créer des systèmes d'IA encore plus sophistiqués.
Des systèmes similaires peuvent également battre les humains à des jeux complexes comme le go et les échecs. Dans ces scénarios, les algorithmes sont entraînés à déplacer des pièces qui augmentent leurs chances de gagner la partie, mais dans le scénario des puces, l'IA est entraînée à trouver la meilleure combinaison de composants afin de la rendre aussi efficace que possible sur le plan informatique. Le réseau neuronal utilise également quelques techniques autrefois envisagées par l'industrie des semi-conducteurs, mais abandonnées comme des impasses. Selon l’article, le système d'IA a reçu 10 000 plans de puces afin d'« apprendre » ce qui fonctionne et ce qui ne fonctionne pas.
« Notre méthode a été utilisée pour concevoir la prochaine génération d'accélérateurs d'intelligence artificielle de Google, et a le potentiel d'économiser des milliers d'heures d'efforts humains pour chaque nouvelle génération », ont écrit les ingénieurs. « Enfin, nous pensons que du matériel plus puissant conçu par l'IA alimentera les progrès de l'IA, créant une relation symbiotique entre les deux domaines ».
Accélérer la conception du schéma des puces
Selon l’article, lors de la conception d'un microprocesseur ou d'un accélérateur de charge de travail, il faut généralement définir le fonctionnement de ses sous-systèmes dans un langage de haut niveau, tel que VHDL, SystemVerilog, ou peut-être même Chisel. Ce code sera finalement traduit dans ce que l'on appelle une netlist, qui décrit comment un ensemble de macroblocs et de cellules standard doivent être connectés par des fils pour exécuter les fonctions de la puce.
Les cellules standard contiennent des éléments de base tels que des portes logiques NAND et NOR, tandis que les macroblocs contiennent un ensemble de cellules standard ou d'autres composants électroniques destinés à exécuter une fonction spéciale, telle que la fourniture d'une mémoire sur puce ou d'un cœur de processeur. Les macroblocs sont donc beaucoup plus grands que les cellules standard.
Ensuite, il faut choisir comment disposer cette liste de cellules et de macroblocs sur la puce. Selon les Googlers, cela peut prendre des semaines, voire des mois, à des ingénieurs humains travaillant avec des outils spécialisés dans la conception de puces et effectuant de nombreuses itérations pour obtenir un plan optimisé en fonction des besoins en matière de consommation d'énergie, de synchronisation, de vitesse, etc. Ce qui se passe habituellement dans ce processus est qu’il faut modifier le placement des grands macroblocs au fur et à mesure que la conception se développe. Et vous devez ensuite laisser les outils automatisés, qui utilisent des algorithmes non intelligents, placer la multitude de cellules standard plus petites, puis vous nettoyez et répétez jusqu'à ce que vous ayez terminé, lit-on dans le document.
Pour accélérer cette étape de conception du schéma des puces, les spécialistes de l'IA de Google ont créé un système de réseau neuronal convolutif qui effectue tout seul le placement des macroblocs en quelques heures pour obtenir une disposition optimale ; les cellules standard sont automatiquement placées dans les espaces vides par un autre logiciel, selon l’article. Ce système d'apprentissage automatique devrait être en mesure de produire un schéma idéal bien plus rapidement et mieux que la méthode par les ingénieurs humains utilisant des outils automatisés traditionnels du secteur, ont expliqué les Googlers dans leur article.
Le réseau neuronal de Google, selon l’article, améliore progressivement ses compétences en matière de placement à mesure qu'il acquiert de l'expérience. Il essaie de placer des macro-blocs sur la puce, l'espace entre eux étant rempli de cellules standard, et est récompensé en fonction de la congestion du routage, des longueurs d'interconnexion des câbles et d'autres facteurs. Cette récompense est utilisée comme un feedback pour améliorer sa prochaine tentative de placement des blocs. Cette procédure est répétée jusqu'à ce que le logiciel maîtrise la situation et puisse appliquer ses capacités à n'importe quelle puce que vous voulez concevoir, même s'il n'en a jamais vu de semblable auparavant.
L’IA de Google surpasse les ingénieurs humains
Les ingénieurs de Google ont noté dans le document que cette percée pourrait avoir des « implications majeures » pour le secteur des semi-conducteurs. Le responsable scientifique de l'IA chez Facebook, Yann LeCun, a salué la recherche comme un « très beau travail » sur Twitter, ajoutant que « c'est exactement le type de cadre dans lequel RL brille ».
Dans leur article, les chercheurs de Google expliquent que leur réseau neuronal est « capable de se généraliser à l'ensemble des puces – ce qui signifie qu'il peut tirer des enseignements de son expérience pour devenir à la fois meilleur et plus rapide dans la conception de nouvelles puces – ce qui permet aux concepteurs de puces d'être assistés par des agents artificiels ayant plus d'expérience qu'aucun humain ne pourra jamais en acquérir ».
Selon l'article, la génération d'un plan de base peut prendre moins d'une seconde à l'aide d'un réseau neuronal préentraîné, et après quelques heures de réglage fin du réseau, le logiciel peut égaler ou battre un humain dans la conception d'un schéma de puce en fonction de la métrique utilisée. Le réseau neuronal a surpassé les ingénieurs humains qui ont travaillé sur un précédent accélérateur TPU en termes de synchronisation des signaux, de consommation d'énergie, de surface de la puce et/ou de quantité de câblage nécessaire, selon les macroblocs concernés.
Toutefois, une fois que le réseau neuronal des Googlers a conçu un TPU de nouvelle génération, la conception doit encore être ajustée par des experts pour s'assurer que le composant fonctionnera comme prévu – des humains et leurs outils logiciels habituels sont nécessaires pour vérifier la propagation des signaux d'horloge, etc. Cette étape serait toujours nécessaire même si le TPU était planifié par des personnes et non par un réseau neuronal.
« Notre méthode a été utilisée lors de l'enregistrement d'un récent TPU de Google », ont écrit les Googlers. « Nous avons entièrement automatisé le processus de placement grâce à PlaceOpt, après quoi la conception a été envoyée à un tiers pour l'optimisation post-placement, y compris le routage détaillé, la synthèse de l'arbre d'horloge et l'optimisation post-horloge ».
« Nous montrons que notre méthode peut générer des plans de base de puce comparables ou supérieurs aux experts humains en moins de six heures, alors que les humains mettent des mois à produire des plans acceptables pour les accélérateurs modernes. Notre méthode a été utilisée en production pour concevoir la prochaine génération de TPU de Google ».
La percée a été saluée comme une « réalisation importante » qui « sera une aide énorme pour accélérer la chaîne d'approvisionnement » dans un éditorial de Nature mercredi. Toutefois, la revue a déclaré que « l'expertise technique doit être largement partagée pour s'assurer que l'« écosystème » des entreprises devienne véritablement mondial ». Elle poursuit en soulignant que « l'industrie doit s'assurer que les techniques permettant de gagner du temps ne font pas fuir les personnes possédant les compétences de base nécessaires ».
Source : Google
Et vous ?
Que pensez-vous de la nouvelle IA de Google qui surpasse les ingénieurs humains ?
L’IA de Google finira-t-elle par écarter définitivement les humains dans la conception des puces informatiques ?
Voir aussi :
Coral, la plateforme de Google qui voudrait apporter l'intelligence artificielle sur Raspberry Pi, sans faire appel au cloud
Google utilise l'intelligence artificielle pour concevoir des puces plus efficaces et moins gourmandes en énergie, qui accéléreront le développement de l'IA, selon l'entreprise
Pourquoi craindre l'intelligence artificielle ? Google a lancé des lignes directrices pour la création d'une "IA Responsable"
Cortical Labs, une startup australienne, fabrique des puces informatiques en utilisant de vrais neurones biologiques, afin de réduire la consommation d'énergie liée à l'IA
Partager