A Ricursive Intelligence társalapítói, Anna Goldie és Azalia Mirhoseini a TechCrunch Disrupt rendezvényén szerdán ismertették startupjuk munkáját: olyan mesterséges intelligencia fejlesztésén dolgoznak, amely chipeket tervez, az előző iterációkból tanul, és a tanulás alapján javítja a következő terveket. Céljuk a lapka-tervezési folyamat automatizálása és felgyorsítása.
Goldie a színpadon azt mondta, hogy „van egy megértés, hogy a következő öt évben legalább 10 000x-kal nagyobb lesz a számítási igény, és ez talán konzervatív is”. Hangsúlyozta: nem reális 10 000-szer több adatközpontot építeni, ezért az egyik megoldás az lehet, hogy hatékonyabb chipeket terveznek, melyek jobban kihasználják az adatközpontok sávszélességét, valamint a wafereket és a gyártókapacitást.
A közhiedelemmel ellentétben Goldie szerint az AI-alapú chiptervezés nem emberi munkahelyek kiváltását célozza, hanem lehetővé teszi, hogy a mérnökök és tervezők a kreatív alkalmazások fejlesztésére és új lehetőségek feltárására koncentráljanak. „Azt hiszem, az történik, hogy az emberek hozzák a nagyszerű ötleteiket és kreatív gondolataikat, az AI pedig végrehajtja” – fogalmazott.
Miben tér el az AI-alapú megközelítés a hagyományostól?
A Ricursive Intelligence szerint az AI képes hagyományostól eltérő, gyakran váratlan elrendezéseket felfedezni, amelyek teljesítményben felülmúlhatják a megszokott terveket. A cégalapítók egy korábbi rendszerükre, az AlphaChipre hivatkoztak: ez az AI egy „donut” (karika) formájú komponens-elrendezést adott, amely kezdetben meglepte a mérnököket, de végül sikeresnek bizonyult.
A startup munkamódszere az, hogy az egész chipet egyszerre optimalizálja, és nem a hagyományos módon, több tucat kisebb blokkra bontva tervezi. Ez lehetővé teszi összetett mintázatok — például hullámszerű elrendezések — létrehozását, amelyekről a cég azt közölte, később részletesebben is beszámol majd.
Gyorsabb tervezés, többféle alkalmazás
A vállalat azt is hangsúlyozza, hogy az AI-vezérelt tervezés szélesebb körű és gyorsabb lapkafejlesztést tesz lehetővé. Goldie rámutatott: ha egy új chip megtervezése hat hónapig, egy évig vagy két évig tart, akkor nagyon válogatósnak kell lenni a tervezendő lapkák tekintetében. Ezzel szemben, ha egy chipet egy hét alatt el lehet készíteni, akkor gazdaságilag megéri egyedi chipeket gyártani különböző alkalmazásokra — például űrtechnikai, kiterjesztett valóság (AR), virtuális valóság (VR) vagy biológiai számítástechnikai célokra —, miközben energiahatékonyság is javulhat.
A Ricursive Intelligence elmondása szerint az AI nemcsak gyorsítja a tervezést, hanem olyan lapkák létrejöttét is lehetővé teheti, amelyek korábban nem lettek volna megvalósíthatók a hagyományos módszerekkel.
Miért számít ez?
A cég megközelítése közvetlenül reagál a számítási kapacitás iránti exponenciális növekvő igényre, és a probléma kezelését nem kizárólag az adatközpontok bővítésében látja. Az AI-alapú, teljeschip-optimalizációs módszerek potenciálisan nagyobb energia- és gyártási hatékonyságot hozhatnak, valamint gyorsabb iterációs ciklusokat tesznek lehetővé, ami fontos lehet a jövőbeli alkalmazások széles körének kiszolgálásához.
A Ricursive Intelligence munkájáról a cég további részleteket ígért a későbbiekben.
