O cientista-chefe da Nvidia, Bill Dally, explicou numa conferência que a empresa já tem várias utilizações para os sistemas de Inteligência Artificial (IA) e deu o exemplo de que já estão a ser empregues estas soluções, aceleradas por processadores gráficos, para desenhar… novos processadores gráficos (GPU). Além das otimizações em placas gráficas, o sistema de IA já foi aplicado no desenho de outros equipamentos e apresenta inclusive resultados melhores aos que são apresentados por humanos.
“É natural que, enquanto especialistas de IA, quiséssemos usar a IA para desenhar chips melhores”, afirmou Dally na conferência GTC. “Fazemos isto de duas formas distintas. A primeira e mais óbvia é que usamos ferramentas de desenho assistido por computador que já temos. Por exemplo, temos uma que mapeia a utilização de eletricidade nas nossas GPU e prevê quanto baixa a grelha de voltagem (…) Executar isto numa ferramenta de CAD convencional demora três horas (…) O que quisemos fazer foi treinar um modelo de IA para pegar exatamente nos mesmos dados, fizemos isto para alguns desenhos, e podemos depois basicamente alimentar o mapa. O tempo de inferência é de apenas três segundos. Claro, são 18 minutos no total se incluirmos o tempo para a extração das funcionalidades”, cita o PC Gamer.
Outra aplicação destes sistemas inteligentes é a deteção e previsão de elementos não desejados nos componentes ou nos desenhos que possam causar ineficiências, os chamados parasitas. O sistema de IA pode ser treinado para substituir os humanos nesta deteção, executando a tarefa com menos erros e em menos tempo.
Dally explica ainda que o sistema de IA pode ser usado para gerar alarmística no design de componentes cruciais, de forma a ajudar os designers humanos a antever melhor onde serão afunilados recursos e os transístores podem ficar ‘engarrafados’. O alerta antecipado permite às equipas antecipar problemas e poupar tempo e recursos.
Por fim, o cenário de utilização que parece ser mais interessante prende-se com a migração de células, com um processo automático a ajudar a identificar os melhores locais para as colocar em novos designs: “De cada vez que temos uma nova tecnologia, por exemplo, passando de sete nanómetros para cinco, temos uma biblioteca de células. Temos muitos milhares destas células que têm de ser redesenhadas para uma nova tecnologia e obedecer a um conjunto de regras de design complexo. O que fazemos é usar a aprendizagem reforçada para colocar os transístores. Depois, e mais importante, surgem alguns erros de design e depois é quase como um videojogo. De facto, é onde a aprendizagem reforçada é boa. (…) É como se fosse um jogo Atari, destinado a corrigir erros”.
A ferramenta usada, a NVCell, conseguiu migrar 92% das bibliotecas de células sem erro e, dessas, 12% eram mais pequenas do que as que apareciam nos designs feitos por humanos. Além de poupar o trabalho humano envolvido, a solução conduziu também a desenhos de chips mais eficientes.
