LIA de Google peut concevoir des puces plus rapidement et mieux que les humains

Chaque pièce a deux faces, et le développement de la technologie de l’intelligence artificielle (IA) ne fait pas exception. D’un côté, les gens sont enthousiasmés par les réalisations et les contributions de l’IA dans tous les aspects de la vie. Mais d’un autre côté, beaucoup de gens ont « peur » de voir l’IA surpasser et « voler » des emplois humains dans de nombreux domaines différents.

Google vient de donner plus de crédit à cette inquiétude en annonçant que son système d’IA pour la recherche et le développement en interne a désormais la capacité de concevoir des puces plus rapidement et plus efficacement que les humains.

Plus précisément, selon les résultats de recherche publiés dans la revue scientifique Nature, Google Brain - l'équipe de recherche en apprentissage profond et en IA de Google - a annoncé le développement réussi d'un nouveau système d'apprentissage par renforcement capable d'effectuer entièrement une conception de planification d'étage d'un microprocesseur par lui-même, beaucoup plus rapidement et mieux que les humains.

Grâce à une architecture de réseau neuronal complexe basée sur des graphes de bord, le modèle d'IA de Google Brain peut concevoir des plans d'étage en une fraction du temps nécessaire aux humains. L'image ci-dessous montre deux conceptions de blocs macro de mémoire. Celui de gauche a été réalisé par un humain et celui de droite par une IA en quelques heures seulement - beaucoup moins qu'un humain et il comporte également un nombre plus élevé de blocs macro.

Un plan d'étage est essentiellement un diagramme qui montre comment différents blocs fonctionnels sont disposés à l'intérieur d'un processeur pour créer une conception la plus efficace. Vous trouverez ci-dessous deux exemples d’images de ce à quoi ressemblera le plan d’étage. Le modèle de gauche est plus simple, tandis que le design de droite est un peu plus complexe avec plus de détails.

Il est intéressant de noter que Google prévoit d’utiliser cette technologie pour construire ses propres accélérateurs d’IA, appelés Tensor Processing Units (TPU). Si elles s’avèrent efficaces, elles pourraient également être appliquées à tous les processus de fabrication de puces en général, avec le potentiel de gagner énormément de temps tout en garantissant la qualité.