Google aposta em IA para criar a sua próxima geração de microchips

Por Gustavo Minari | Editado por Douglas Ciriaco | 11 de Junho de 2021 às 13h15
Vladdeep/Envato

Os engenheiros do Google conseguiram um feito surpreendente. Eles treinaram uma inteligência artificial (IA) para projetar chips de forma mais eficiente e rápida do que os seres humanos. Um trabalho que leva seis meses para ser finalizado por técnicos de carne e osso, pode ser feito em apenas seis horas pelo algoritmo de aprendizagem de máquina.

A Gigante de Buscas pretende usar o resultado da pesquisa para criar a próxima geração de seus próprios chips Tensor Processing Unit (TPU), que são otimizados para lidar com cargas massivas de trabalho envolvendo inteligência artificial para realizar tarefas complexas de processamento.

Quer ficar por dentro das melhores notícias de tecnologia do dia? Acesse e se inscreva no nosso novo canal no youtube, o Canaltech News. Todos os dias um resumo das principais notícias do mundo tech para você!

“Em outras palavras, a IA está ajudando a acelerar o futuro do desenvolvimento da inteligência artificial. Isso deve permitir que as empresas explorem mais rapidamente o possível espaço de arquitetura para projetos futuros e personalizem chips para cargas de trabalho específicas com mais facilidade”, diz a pesquisadora do Google Azalia Mirhoseini.

Lei de Moore

As plantas baixas de chips criadas pela IA estão no mesmo nível e, na maioria das vezes, em um patamar superior àquelas feitas pelos humanos em todas as métricas de comparação, como consumo de energia, desempenho, eficiência computacional e qualidade de construção.

Essas características podem ajudar os cientistas a adiar o fim da famosa Lei de Moore, que prevê que o número de transistores em um microchip tende a dobrar a cada dois anos. Segundo os especialistas, a miniaturização de componentes eletrônicos deve atingir os limites físicos de produção daqui a alguns anos.

“A IA não resolve necessariamente os desafios físicos de colocar mais e mais transistores em chips, mas pode ajudar a encontrar outros caminhos para aumentar o desempenho na mesma taxa”, explica a também pesquisadora do Google Anna Goldie.

Lei de Moore prevê que o número de transistores dentro de um microchip deve dobrar a cada dois anos (Imagem: Grafvision/Envato)

Planejamento básico

A tarefa destinada aos algoritmos do Google é chamada de “planejamento básico” e se restringe a criação de layouts ideais dentro de uma matriz de silício para comportar os subsistemas de um chip. Esses componentes são CPUs, GPUs e núcleos de memória conectados entre si.

O local onde cada componente é colocado na matriz faz toda a diferença e afeta a velocidade e a eficiência do chip. Essas mudanças nanométricas de posicionamento têm efeitos consideráveis e requerem um trabalho altamente especializado durante o processo de fabricação.

Controle de qualidade

Os engenheiros do Google treinaram o algoritmo de aprendizagem de máquina em um conjunto de dados de 10 mil plantas baixas de chips com qualidades variadas, criadas aleatoriamente por especialistas humanos de acordo com padrões específicos de fabricação.

Utilizando uma função de “recompensa” que avaliava o sucesso ao identificar métricas como comprimento dos fios e uso de energia, A IA conseguiu identificar plantas baixas boas e ruins. Com esses dados computados, a inteligência artificial do Google foi capaz de gerar suas próprias plantas baixas de maneira surpreendentemente rápida.

Chip feito por humanos à esquerda e o chip fabricado pela IA à direita (Imagem: Reprodução/Nature)

“Essas plantas baixas parecem bastante diferentes daquelas criadas por um humano. Em vez de linhas organizadas de componentes dispostos na matriz, os subsistemas parecem que foram espalhados pelo silício aleatoriamente, de uma forma que não estamos acostumados a ver, mas extremamente eficientes”, completa Goldie.

Fonte: The Verge

Gostou dessa matéria?

Inscreva seu email no Canaltech para receber atualizações diárias com as últimas notícias do mundo da tecnologia.