（文章來源：Code8）
據谷歌人工智能研究帶頭人Jeff Dean透露，谷歌正在試圖通過人工智能程序推進專用芯片的內部開發。他在近日舉行的ISSCC大會上表示，谷歌內部正在將人工智能技術用于一系列芯片設計項目。過去幾年中，谷歌開發了TPU AI硬件家族用于在服務器計算機中處理AI。

他認為，使用AI設計芯片是一個良性循環：AI讓芯片變得更好，經過改良的芯片又能增強AI算法，依此類推。Dean介紹了谷歌如何使用機器學習程序確定計算機芯片的電路布局，與人類芯片設計人員相比，其敏銳度相當甚至更高。

通常來說，芯片設計人員通常會使用軟件來確定芯片中的電路布局，有點類似于建筑物設計平面圖。為了找到滿足多個要求的最佳布局，需要考慮很多因素，提供芯片性能的同時，還要避免不必要的復雜性，否則可能增加芯片制造成本。

這種平衡需要大量的啟發式思維，現在，人工智能算法也能夠類似人類的啟發式思維方式進行芯片設計。他舉例說，深度學習神經網絡只花了24個小時就解決了問題，而人類設計師需要6至8周，前者不僅提出的解決方案更好，還減少了芯片布線數量，提高了效率。

這個深度學習程序類似于Google DeepMind部門開發的AlphaZero程序，只不多這次不是用于下棋，而是設計出最優的芯片電路布局。與Go不同的是，這個解決方案的“空間”要大得多，同時要滿足很多要求，而不是贏得比賽這單一的目標。

他說，目前這個研究還處于早期階段。“我們正在讓設計師進行試驗，看看如何在工作流程中使用該程序……以及看看在哪些方面可以改進。”谷歌進軍AI設計領域正處于芯片生產復興之時。有機器學習科學家認為，專用AI硬件可以催生更大的、更高效的機器學習軟件項目。

Dean認為，除了谷歌之外，還有很多AI硬件初創公司例如Cerebras Systems和Graphcore會給市場帶來多樣性，并迅速崛起。這種多樣性會很有意思。“我不確定這些初創公司是否能夠在市場中生存下去，但這很有意思，因為其中很多初創公司采取了完全不同的設計方式。”

當被問及這些芯片是否會融入某些標準設計的時候，Dean稱，多樣化是很有可能的，至少就目前來看。“機器學習被用于解決各種各樣的問題，當選擇多多的時候，你肯定不會只盯著一個選擇，至少有五個或六個不同的設計方案。”“究竟哪些設計方法會脫穎而出，這一點令人期待，不管是能夠解決很多問題的通用方法，還是加速某個方面的專業化方法。”

當被問及谷歌AI硬件是否可能延伸到其現有產品之外時，他回答說：“哦，是的。”“毫無疑問，機器學習正在被越來越廣泛地用于谷歌產品中，這些產品既包括基于數據中心的服務，也有很多手機上的產品。”當被問及谷歌是否會進一步擴大多樣性的時候，Dean回答說：“我認為會的。”“即使在非數據中心領域，你會也看到不同高功率環境之間的區別，不一定是1瓦，有可能是50或100瓦。”“因此，針對不同環境，你需要不同的方法。”
（責任編輯：fqj）