ปัจจุบันเทคโนโลยีทางด้าน Software ที่เกี่ยวกับ AI ไปไกลมาก มนุษย์ออกแบบอัลกอริทึมที่มีประสิทธิภาพสูงได้ดี แต่ในด้าน Hardware อย่างชิปประมวลผลยังคงใช้มนุษย์ในการออกแบบอยู่
นักวิจัยได้สอน AI ด้วยวิธี Reinforcement-learning หรือการเรียนรู้แบบเสริมแรง กล่าวคือ ให้ feedback ทุกครั้งที่ AI ออกแบบชิปประมวลออกมา
“ส่วนนี้นายออกแบบดีนะ ทำดี เอาตามนั้น ส่วนนี้ยังไม่ได้เรื่อง ไปปรับปรุงมาใหม่ (Optimization)” AI ก็จะพยายามหลีกเลี่ยงในสิ่งที่นักวิจัยไม่โอเค และเสนอทางเลือกใหม่ให้ จนกระทั่งได้ชิปคอมพิวเตอร์ที่มีประสิทธิภาพมากขึ้นและใช้พลังงานน้อยลง
หากใครเคยเห็นชิปประมวลผล มันค่อนข้างมีลักษณะแบนราบ แต่ภายในชิปมีการออกแบบสถาปัตยกรรมโครงสร้างสามมิติ นี่คือเรื่องยากในการหาจุดลงตัวระหว่างการนำไปใช้ให้สะดวกใช้ กับประสิทธิภาพและประสิทธิผลอันเนื่องมาจากการออกแบบโครงข่ายสามมิติภายในชิป
การออกแบบชิปประมวลผลแบบดั้งเดิมวิศวกรจะใช้ software เพื่อจำลองประสิทธิภาพซึ่งอาจใช้เวลามากถึง 30 ชั่วโมงต่อหนึ่งแบบและกว่าจะได้แต่ละชิปที่มั่นใจในประสิทธิภาพก็กินระยะเวลาประมาณ 2-5 ปีเลยทีเดียว
แต่นักวิจัยจาก Google นำโดย Anna Goldie และ Azalia Mirhoseini ได้ทดสอบให้ AI ออกแบบชิปประมวลผล ปรากฏว่ามันสามารถออกแบบชิปได้มากถึง 10,000 – 100,000 รูปแบบภายในไม่กี่วินาที
แน่นอนว่าความเยอะและความเร็วอาจไม่เพียงพอ นักวิจัยได้ลองนำหนึ่งในรูปแบบชิปที่ AI ออกแบบไปวิเคราะห์ในโปรแกรม electronic design automation เพื่อดูการทำงานว่ามีประสิทธิภาพมากน้อยเพียงใด ผลก็คือ…
Performance ทำได้ดีกว่าของที่วิศวกรออกแบบมากเลยครับ แถมการออกแบบของ AI พอนำมาศึกษาอย่างละเอียดอย่างถี่ถ้วนก็พบว่ามันสอนให้เราเห็นมุมมองใหม่ ๆ ของการออกแบบชิปแบบที่ไม่เคยเห็นมาก่อนอีกด้วย
ตอนนี้ชิปประมวลผลยังอยู่ในขั้นการทดลองอยู่ครับ แต่เราจะเห็นผลของงานวิจัยนี้ผ่าน Product ที่เราใช้ในชีวิตประจำวันอย่างคอมพิวเตอร์และสมาร์ทโฟนในอนาคตอย่างแน่นอน
ส่วนตัวผมมองว่า AI กับมนุษย์ก็เจ๋งพอตัวกันทั้งคู่ ไม่มีมนุษย์ ไม่มี AI และหากไม่มี AI การเรียนรู้ของมนุษย์ก็คงมีขีดจำกัดเข้าสักวัน เป็นเหมือนเพื่อนคู่คิดคู่สร้างไปด้วยกัน
เรียบเรียงโดย Einstein@min
Sources:
Google is using AI to design chips that will accelerate AI. technologyreview.com, 2020 : https://www.technologyreview.com/f/615419/google-ai-chip-design-reinforcement-learning/
ติดตามผ่านช่องทางอื่น ๆ ได้ที่
แอพ Blockdit : https://www.blockdit.com/thaiscience
Instagram : https://www.instagram.com/thaisciencenews
Twitter : https://twitter.com/Thaiphys
Website : https://www.thaiphysicsteacher.com/
