Google, Yapay Zeka Çipi Geliştirmek İçin Yapay Zeka Kullanıyor

Google'ın yapay zeka çipleri için yeni geliştirme yöntemi yapay zekayı ele alıyor. İnsanların aylarını alan tasarımlar, altı saat içinde yapay zeka tarafından eşleştirilebilir hale getiriliyor. Bu, olabildiğince karmaşık çip tasarımlarında yapay zekaların kullanılabileceğini gösteriyor.

Google, yeni nesil makine öğrenimi çiplerini tasarlamaya yardımcı olmak için makine öğrenimini kullanıyor. Google mühendisleri, algoritmanın tasarımlarının insanlar tarafından oluşturulanlar kıyasla "karşılaştırılabilir veya daha üstün" olduğunu ve daha hızlı oluşturulduğunu kabul ediyor. Teknoloji devine göre, insanlar için aylar süren işler, yapay zeka tarafından altı saatin altında tamamlanıyor.

Google yapay zeka çipi oluşturmak için yıllardır makine öğreniminin nasıl kullanılacağı üzerinde çalışıyor ama son çaba, araştırmanın ticari bir ürüne uygulanmasını ilk kez gösteriyor: AI hesaplaması için optimize edilmiş Google'ın kendi TPU (tensör işleme birimi) yongalarının yeni bir sürümü.

Google'dan yapay zeka çipleri için yeni yöntem

Google'da araştırmacı olan Azalia Mirhoseini ve Anna Goldie tarafından ortaklaşa hazırlanan makale, "Yöntemimiz üretimde yeni nesil Google TPU'yu tasarlamak için kullanıldı" diye yazıyor. Başka bir deyişle yapay zeka, yapay zeka gelişiminin geleceğini hızlandırmaya yardımcı oluyor.

Google mühendisleri tarafından hazırlanan makalede, bu çalışmanın çip endüstrisi için önemli etkiler yaratacağı belirtildi. Şirketlerin gelecekteki tasarımlar için olası mimari alanı daha hızlı keşfetmesine ve çipleri belirli iş yükleri için daha kolay özelleştirmesine olanak sağlayacak.

Google algoritmalarının ele aldığı belirli görev, "zemin planlaması" olarak biliniyor. Bu, onlarca kilometrelik küçük kablolar kullanılarak birbirine bağlanan CPU, GPU ve bellek çekirdekleri gibi şeyleri içerir. Her bileşenin bir kalıbın neresine yerleştirileceğine karar vermek, çipin nihai hızını ve verimliliğini etkiler. Ayrıca hem çip üretimin ölçeği hem de hesaplama döngüleri göz önüne alındığında, yerleştirmedeki nanometre değişikliklerinin de büyük etkileri olabilir.

Google mühendisleri, zemin planlamasını tasarlamanın insanlar için aylar sürdüğünü, ancak makine öğrenimi perspektifinden bu sorunu çözmenin "saatlik bir oyun" olduğunu belirtiyor.

Nature'daki araştırma, bu gelişmeyi önemli bir başarı olarak nitelendiriyor ve bu tür çalışmaların Moore Yasası'nın öngörülen sonunu dengelemeye yardımcı olabileceğini belirtiyor. Makine öğrenimi, giderek daha fazla transistörü çiplere sıkıştırmanın fiziksel zorluklarını çözmüyor, ancak performansı aynı oranda artırmanın başka yollarını bulmaya yardımcı olabilir.