Google utilise l'apprentissage automatique de ses IA pour l'aider à concevoir sa prochaine génération de puces électroniques. Tandis que des ingénieurs humains mettent des mois à trouver la meilleure disposition possible des différents composants d'une puce, l'IA obtient de meilleurs résultats en seulement 6h de travail.

Depuis de nombreuses années maintenant, Google met un point d'orgue à intégrer de l'IA dans la grande majorité de ses applications et services. Lors de sa conférence Google I/O 2021, la firme de Mountain View a par exemple présenté un outil d'assistance dermatologique boosté à l'IA, qui permettra aux utilisateurs d'identifier leurs problèmes de peau à l'aide de quelques photos.

Cette fois-ci, les chercheurs de Google ont décidé de mettre à profit l'apprentissage automatique de leurs IA pour concevoir leurs prochaines puces électroniques, et plus précisément leur prochain TPU (Tensor Processing Unit). Pour rappel, il s'agit d'un circuit intégré spécialement conçu par Google pour justement améliorer les systèmes d'intelligence artificielle par réseaux de neurones. En d'autres termes, Google utilise l'IA pour accélérer le développement de l'IA. 

Comme l'explique Google, trouver le design idéal d'une puce pour allier performances et vitesse d'exécution prend généralement des mois à des ingénieurs. Cette tâche, appelée “floorplanning” consiste à trouver la disposition optimale des sous-systèmes d'une puce. Or, selon les chercheurs du géant californien, en seulement 6 heures de travail les algorithmes ont été capables de développer des puces plus efficaces que celles conçues par les humains.

À lire également : Facebook veut créer une IA capable de finir le jeu vidéo le plus dur de l’histoire

Organiser la conception des puces comme un jeu pour l'IA

Pour ce faire, les chercheurs de Google ont eu l'idée d'organiser la conception des puces comme un jeu aux yeux des IA. Ainsi, en lieu et place d'un plateau de jeu, vous avez un dé en silicium. Au lieu des pièces comme des pions, vous avez des composants comme des CPU et des GPU. Ici, l'objectif consiste donc à trouver le meilleur agencement possible, et ce afin d'obtenir une efficacité de calcul optimale. 

Ensuite, les chercheurs ont donc entraîné les IA via un ensemble de données constitué de 10 000 plans de puces de qualité variable, dont certains générés aléatoirement. Une fonction de “récompense” spécifique a été attribuée à chaque conception effectuée, en fonction de sa réussite dans différents domaines, comme la consommation d'énergie par exemple. L'algorithme était ensuite capable de discerner les plans les plus efficaces des moins bons, pouvant alors générer à son tour ses propres plans. Google a d'ores et déjà adopté ce système et compte l'utiliser pour réduire les coûts de production et produire des puces plus efficaces.

Source : The Verge