Ricursive Intelligence razvija AI za brže projektovanje čipova
Ricursive Intelligence razvija sistem veštačke inteligencije koji projektuje čipove, uči iz svake iteracije i unapređuje naredne dizajne. Osnivačice Anna Goldie i Azalia Mirhoseini na konferenciji TechCrunch Disrupt navele su da bi potražnja za računarskim kapacitetima u narednih pet godina mogla porasti najmanje 10.000 puta, dok kompanija želi da skrati projektovanje novog čipa sa šest meseci, godinu ili dve na približno sedmicu.
Njihova polazna tačka nije samo veći broj data centara. Goldie ističe potrebu za čipovima koji efikasnije koriste propusni opseg unutar data centara, kao i pločice i proizvodne pogone. Time se problem rastuće računske potražnje pomera sa prostog povećanja infrastrukture na kvalitet i brzinu razvoja hardvera.
Optimizacija celog čipa umesto niza izolovanih blokova
Tradicionalni postupak projektovanja često deli čip na desetine manjih celina. Ricursive Intelligence opisuje drugačiji pristup: AI optimizuje čitav čip kao jedinstvenu celinu. Takav postupak može dovesti do rasporeda komponenti koji ne liče na uobičajene inženjerske šablone, uključujući složene, talasaste strukture.
Goldie i Mirhoseini prethodno su razvile AlphaChip, sistem koji je predložio kružni, odnosno raspored nalik krofni. Taj rezultat je u početku iznenadio inženjere, ali se na kraju pokazao uspešnim. Primer ilustruje zašto modeli za projektovanje ne moraju nužno da ponavljaju poznate obrasce da bi došli do funkcionalnog rešenja.
Šta brži razvoj menja za primenu prilagođenog hardvera
Kada razvoj čipa traje šest meseci ili više, izbor projekata mora biti veoma ograničen. Kraći ciklus mogao bi da promeni ekonomiku izrade prilagođenih procesora za različite namene. Osnivačice navode svemirske sisteme, proširenu i virtuelnu stvarnost, kao i biološko računarstvo kao oblasti u kojima bi takvi čipovi mogli imati smisla.
Uloga ljudi pritom ostaje usmerena na ideje, aplikacije i nove mogućnosti računanja, dok AI preuzima deo izvršnog rada u projektovanju. Ricursive ovaj model predstavlja kao primenu šire promene koja se, pored dizajna čipova, pojavljuje i u razvoju softvera.
Poslovni zaključak
Za kompanije koje planiraju AI proizvode, poruka je praktična: rast kapaciteta neće zavisiti samo od kupovine više infrastrukture. Vreme razvoja, energetska efikasnost i prilagođenost čipova konkretnim radnim opterećenjima postaju važni elementi planiranja troškova i skaliranja.