Google применила глубокое обучение для разработки ИИ-чипов

Компания Google и Калифорнийский университет в Беркли создали алгоритм глубокого обучения PRIME, помогающий разрабатывать быстрые и компактные процессоры для обработки задач искусственного интеллекта.

Новый подход создает архитектуру ИИ-чипов на основе существующих чертежей и показателей производительности.

Команда заявила, что сделанные по методу PRIME-конструкции чипы имеют задержку до 50% меньше, чем созданные с использованием классических подходов. Глубокое обучение также позволило сократить время для создания чертежей до 99%.

Исследователи сравнили производительность чипов, созданных PRIME, с ускорителями EdgeTPU в девяти ИИ-приложениях, включая модели классификации изображений MobileNetV2 и MobileNetEdge. Они подчеркнули, что конструкции были оптимизированы для каждого приложения.

Подход PRIME улучшил задержку в 2,7 раза и уменьшил площадь кристалла в 1,5 раза. Это позволит удешевить чипы и снизить энергопотребление, заявили ученые.

Кроме этого, производительность чипов, созданных с помощью ИИ, оказалась выше во всех девяти приложениях, участвовавших в эксперименте. Всего три из них имели более высокую задержку в сравнении с конструкциями, созданных с помощью моделирования.

По словам исследователей, PRIME имеет многообещающие перспективы. Это включает в себя создание микросхем для приложений, требующих решения сложных задач оптимизации, а также использование чертежей низкопроизводительных микросхем в качестве обучающих данных.

Напомним, в июне 2021 года в Google рассказали об использовании обучения с подкреплением для ускорения создания чипов с нескольких месяцев до шести часов.

В октябре компания представила смартфоны Pixel 6 и Pixel 6 Pro c тензорным чипом для машинного обучения собственной разработки.

В августе компания Samsung начала использовать искусственный интеллект для автоматизации процесса разработки компьютерных микросхем.

Подписывайтесь на новости ForkLog в Telegram: ForkLog AI — все новости из мира ИИ!