2016 年，AlphaGO 以人工智能的身份，第一次實現(xiàn)了對人類的反超。

現(xiàn)在，人們甚至可以通過人工智能設計出復雜芯片，從而進一步訓練和生成更為強大的人工智能。

本周三，谷歌在《自然》雜志發(fā)表的一篇論文表示，其開發(fā) AI 已經可以比人類更快地設計芯片。

根據(jù)論文中的描述，同樣一款 TPU 芯片 ( 張量處理單元 , 專門用于加速機器學習的集成電路 ) ，人類需要幾個月時間才能將其設計出來，該 AI 僅需不到 6 小時的時間就能完成。

論文稱，基于一種深度強化學習算法，該 AI 具備了泛化能力的芯片設計方法。

一般來說，計算芯片的使用面積僅有數(shù)十至數(shù)百平方毫米。而在這樣微小有限的空間內，需要容納數(shù)千個組件，包括內存、算數(shù)邏輯單元、以及將這些元件連接在一起的，長達數(shù)公里的納米電路。

在芯片設計過程中，最具挑戰(zhàn)之一的是 " 芯片平面規(guī)劃 "。這涉及確定放置這些組件的最佳位置，就像建筑師設計建筑物的內部空間以容納所有必需的固定裝置和配件一樣。

人類通常以整齊的線條布置組件，這意味著需要耗費更多時間。

國外媒體報道稱，谷歌的研究人員發(fā)現(xiàn)，人工智能(AI)設計計算機芯片的效率可能比人類工程師更高。

在設計計算機芯片時，一個更費力但也非常重要的任務是在所謂的芯片平面圖中放置零部件。所有物理部件的放置會產生巨大的影響，影響功耗、性能和芯片面積，需要人類設計師花費數(shù)月時間來完成。

然而，本周，谷歌的一個團隊報告了一種新的機器學習算法，這種算法可以在很短的時間內完成這項工作。

據(jù)外媒報道，谷歌正在使用機器學習來幫助設計下一代機器學習芯片，但完成速度要比人類快得多。該公司表示，人工智能可以在不到6小時的時間內完成人工需要數(shù)月時間才能完成的工作。

在設計計算機芯片時，一個更費力但也非常重要的任務是在所謂的芯片平面圖中放置零部件。所有物理部件的放置會產生巨大的影響，影響功耗、性能和芯片面積，需要人類設計師花費數(shù)月時間來完成。

讓機器設計和制造其他機器是災難的根源。至少，所有的科幻電影都這樣告訴我們。計算機將發(fā)展到對人類構成威脅的地步。這不會突然發(fā)生，而是經過幾年的時間，到了人工智能變得有意識并對創(chuàng)造它的物種產生敵意的程度。

我們還沒有完全達到智能機器可以建立更復雜的版本的情況，但谷歌已經在使用人工智能來設計更好的人工智能芯片。這是一項成就，已被記錄在一篇研究論文中，它清楚地表明，人工智能可以改進自己的設計。

谷歌工程師表示，算法設計的芯片質量和人工設計“相當”甚至“還要更好”，但完成速度要快得多。谷歌表示，人工智能可以在不到6小時的時間內完成人工需要數(shù)月時間完成的芯片設計工作。

如何讓芯片設計更加高效一直是芯片設計工程師致力研究的命題。上世紀80年代，電子設計自動化(EDA)的誕生就是一個成功案例，開發(fā)人員利用計算機輔助設計軟件(CAD)，完成超大規(guī)模集成電路的功能設計、綜合、驗證、物理設計等復雜流程，以取代之前的人力手工設計。

在芯片布局規(guī)劃方面，需要在幾十到數(shù)百平方毫米的微芯片上，布局內存、邏輯系統(tǒng)以及計算單元等幾十個模塊，在嚴格的約束條件下用細導線將各個模塊起來，同時實現(xiàn)更加優(yōu)化的性能。經過50多年的研究，科學家們提出過基于區(qū)分的方法、隨機/爬山方法以及解析解算器三大類方法，但最終都無法達到或超越人類工程師的布局水平，以至于芯片布局規(guī)劃到目前為止依然未實現(xiàn)自動化，依賴人類工程師手工迭代數(shù)月完成。

具體而言，當下在進行芯片布局規(guī)劃時，人類工程師需要使用工商業(yè)EDA工具迭代數(shù)月，將芯片網(wǎng)表的寄存器傳輸級(RTL)描述作為輸入，在芯片畫布上手動放置并等待72小時，讓EDA工具評估若干模塊的放置是否處于最佳位置。

換句話說，人工智能正在幫助推動人工智能技術的進步。

此項研究成果現(xiàn)在正被谷歌用于商業(yè)用途。但這遠不是人工智能輔助芯片設計的唯一應用。谷歌還在“架構探索”等芯片設計過程的其他部分使用人工智能，而英偉達等競爭對手也在研究其他方法來加快芯片研發(fā)工作流程。用人工智能設計人工智能芯片的良性循環(huán)似乎才剛剛開始。