人工智能現在正在幫助設計計算機芯片——包括運行最強大的人工智能代碼所需的芯片。

　　現代芯片設計錯綜復雜，需要設計師在一個比指甲還小的表面上排列數十億個組件。每一步的決策都會影響芯片的最終性能和可靠性，所以最好的芯片設計師要依靠多年的經驗和來之不易的專業知識來設計電路，從而從納米器件中獲得最佳性能和功率效率。過去幾十年里，芯片設計自動化的收效甚微。

　　但最近人工智能的發展使得芯片設計有了大幅提升的可能性。這將幫助企業在更短的時間內設計出更強大、更有效的芯片。重要的是，這種方法還可以幫助工程師共同設計人工智能軟件，通過對代碼和不同的電路布局進行不同的調整，以找到兩者的最佳配置。

　　與此同時，人工智能的興起引發了人們對各種新型芯片設計的新的興趣。從汽車到醫療設備再到科學研究，高端芯片對社會經濟的方方面面都越來越重要。

　　包括英偉達、谷歌和 IBM 在內的芯片制造商都在測試有助于在復雜芯片上布局和布線的人工智能工具。這種方法可能會撼動芯片行業，但也可能帶來新的工程復雜性，因為所部署的算法類型有時會以不可預測的方式運行

　　在英偉達，英偉達首席研究員haxing“Mark”Ren正在測試一種名為強化學習（reinforcement learning）的人工智能概念如何幫助布局芯片上的組件，以及如何將它們連接在一起。這種讓機器從經驗和實驗中學習的方法是人工智能取得一些重大進展的關鍵。

　　Ren 正在測試的 AI 工具在模擬中探索不同的芯片設計，訓練一個大型人工神經網絡來識別哪些決策最終會產生高性能芯片。Ren 表示，這種方法應該可以將生產芯片所需的工程工作量減少一半，同時生產出的芯片的性能可以達到或超過人工設計的芯片。

　　“你可以更高效地設計芯片，”Ren說：“而且，它給了你探索更多設計空間的機會，這意味著你可以制造更好的芯片。”

　　英偉達最初是為游戲玩家制造顯卡，但他很快就看到了同類芯片在運行強大機器學習算法方面的潛力，現在它是高端 AI 芯片的領先制造商。Ren表示，英偉達計劃將使用人工智能制作的芯片推向市場，但拒絕透露多快。他說，在更遙遠的未來，“你可能會看到大部分采用 AI 設計的芯片。”

　　強化學習最著名的是用來訓練電腦玩復雜的游戲，包括棋類游戲圍棋，它具有超人的技能，而沒有任何關于游戲規則或良好玩法原則的明確指導。它有望在各種實際應用中發揮作用，包括訓練機器人抓取新物體等。

　　麻省理工學院電子工程和計算機科學助理教授Song Han表示，強化學習在改進芯片設計方面具有巨大潛力，因為就像圍棋一樣，如果沒有多年的經驗和實踐，很難預測出正確的決策。

　　他的研究小組最近開發了一種工具，通過在模擬中探索不同的芯片設計，使用強化學習來確定計算機芯片上不同晶體管的最佳尺寸。重要的是，它還可以將它從一種芯片學到的知識轉移到另一種芯片上，這有望降低自動化過程的成本。在實驗中，人工智能工具產生的電路設計的能效是人類工程師設計的電路設計的 2.3 倍，同時產生的干擾是人類工程師設計的電路設計的五分之一。麻省理工學院的研究人員正在研究人工智能算法和新穎的芯片設計，以充分利用兩者。

　　其他行業參與者——尤其是那些在開發和使用人工智能方面投入大量資金的參與者——也正在尋求采用人工智能作為芯片設計的工具。

　　在芯片自動化設計領域當中，谷歌是新貴，從2016年開始制造芯片，以訓練其人工智能算法。該公司正在使用強化學習來確定組件在芯片上的位置。在上個月發表在《自然》雜志上的一篇論文中，谷歌的研究人員表明，這種方法可以在幾小時而不是幾周內完成芯片設計。人工智能創建的設計將用于未來版本的谷歌云張量處理單元來運行人工智能。谷歌的一項單獨工作，稱為 Apollo，正在使用機器學習來優化加速某些類型計算的芯片。谷歌研究人員還展示了如何協同設計人工智能模型和芯片硬件，以提高計算機視覺算法的性能。

　　英偉達的Ren表示，人工智能工具很可能會幫助經驗不足的設計師開發出更好的芯片。隨著更廣泛的芯片（包括許多專門用于某些 AI 任務的芯片）進入市場，這可能很重要。

　　但Ren也警告說，工程師仍然需要大量的專業知識，因為強化算法有時會以不可預測的方式運行，如果工程師未能發現它們，這可能會導致設計甚至制造中的代價高昂的錯誤。例如，研究表明玩游戲的強化學習算法可以專注于導致短期收益但最終失敗的策略。

　　Ren 說，這種算法錯誤行為“是所有機器學習工作的常見問題”。“而對于芯片設計來說，這一點更為重要。”