Az ipari forradalomhoz hasonlítható változások zajlanak ma a félvezetőiparban: a mesterséges intelligencia (MI) már nemcsak chipen fut, hanem aktívan részt vesz a számítógépes chipek tervezésében is. Erre az egyik legfrissebb példa a DeepMind új fejlesztése, az AlphaChip, amely lenyűgöző módon dolgozza fel a bonyolult, ipari problémákat.
A szilícium lapkán elhelyezkedő milliárdnyi tranzisztor elrendezése egy olyan összetett kirakós játék, amely évtizedeken át emberi és szoftveres próbálkozások során fejlődött. Ma már olyan elektronikai tervezőautomatizáló (EDA) szoftverek, mint a Synopsys vagy a Cadence, segítik a tervezőmérnökök munkáját, ám a növekvő bonyolultság miatt a tervezések heteket, akár hónapokat vehetnek igénybe.
A problémák között főként a teljesítmény, a vezetékek hossza, a hőelvezetés és az energiaellátás szerepel. A chipelrendezés optimalizálása rengeteg lehetséges konfigurációt jelent, amelyek közül az érdemi kiválasztás már-már önálló tudománnyá nőtte ki magát.
Az AlphaChip innovációja abban rejlik, hogy a padlótervezést játékként kezeli, ahol az MI ügynök fokozatosan tanulja meg a leghatékonyabb elrendezéseket. A tanulási ciklusok során egyre rövidebb idő alatt, emberi szakértőket és hagyományos algoritmusokat is megelőzve képes jobb eredményeket elérni, legyen szó szerverchipekről, mobilprocesszorokról vagy adatközponti megoldásokról.
Az MI részleges bevonása a chiptervezésbe új kérdéseket vet fel: vajon leváltják-e az emberi hardverfejlesztőket, vagy inkább támogatják majd őket? Milyen szerep jut az LLM-alapú és a megerősítéses tanulásra épülő MI-modelleknek a különböző tervezési fázisokban?
A fejlesztők a közösség számára is nyitottá tették az AlphaChip mögötti algoritmusokat, így új hullámot indítottak el a félvezetőipari innovációban világszerte. Ugyanakkor a videó hangsúlyozza, hogy teljesen automatizált, végponttól-végpontig tervezett chipeink még nincsenek, azonban az első lépések már megtörténtek.
