随着人工智能变得越来越有能力创新和设计新产品，全球创新和破坏的速度将呈指数爆炸。
对指数的未来感兴趣？连接，下载免费的电子书，观看主题演讲或浏览我的博客。
现在，人工智能（AI）在设计和创新产品方面一直在越来越好，例如设计和创建新的AI，以及从椅子和晾衣绳到艺术，Lunar Landers，Music，Music，机器人和培训师的所有事物，最近，人们非常关注设计用于运行AI工作量的计算机芯片。问题在于设计芯片需要数年的时间，而机器学习算法的宇宙的移动速度要快得多。因此，在理想的世界中，您想要一个精选的芯片，而不是两到五年前的AI，因此Google提出了解决方案 - 请AI来设计AI芯片，这并不奇怪。
他们在一篇论文中写道：“我们认为，正是AI本身将提供缩短芯片设计周期的手段，并在硬件和AI之间建立共生关系，而每个人都在彼此的进步中取得了进步。”
“我们已经看到，存在算法或神经网络架构……在现有几代加速器上的表现不佳，因为加速器的设计像两年前一样，然后这些神经网不存在，” Google的高级研究科学家Azalia Mirhoseini说。“如果我们减少设计周期，我们可以弥合差距。”
Mirhoseini和高级软件工程师Anna Goldie提出了一个神经网络，该网络学会了在芯片设计中做一个特别耗时的部分，称为“位置”。在研究了足够长的Google新AI的芯片设计之后，最终能够在不到24小时内为Google张量处理单元制作设计，以超过人类专家在功率，性能和方形区域方面的设计工作。
放置是如此复杂且耗时，因为它涉及将逻辑和记忆的块或称为宏观的块的块放置，以使功率和性能最大化并最小化芯片的面积。加剧挑战是所有这些都会发生的要求，同时遵守互连密度的规则。Goldie和Mirhoseini瞄准了芯片位置，因为即使有了当今的高级工具，也需要人类专家的迭代几周才能产生可接受的设计。
Goldie和Mirhoseini将芯片放置建模为增强学习问题。与典型的深度学习不同，强化学习系统不会训练大量标记的数据。取而代之的是，他们通过执行，在成功时根据奖励信号来调整网络中的参数。在这种情况下，奖励是降低功率，绩效改进和降低面积的组合的替代度量。结果，安置机器人在其任务上的设计越多。
该团队希望像他们这样的AI系统将导致“在同一时期内更多芯片，并且运行速度更快，使用更少的功率，较小的构建成本以及更少的区域的芯片”的设计。
