Ведущий мировой разработчик графических процессоров — компания Nvidia, на продукцию которой опирается значительная часть мировых ИИ — вычислительных центров сама также не отстаёт от внедрения нейросетей в свои структуры. Инструментарий применяется всё активнее и позволяет сэкономить огромные временные ресурсы.
Как поведал в рамках конференции GTC ведущий научный сотрудник Nvidia Билл Далли(Bill Dally) в диалоге с коллегой из Google(Джефф Дин), его компания активно применяет ИИ уже в нескольких процессах проектировке новых чипов и уже ощутила всю мощь новых инструментариев. Для примера глава науки «зелёных» привёл миграцию структуры графических процессоров на новые, более тонкие техпроцессы. Ранее процесс масштабирования 2500 — 3000 вычислительных ячеек у команды инженеров из 10 человек занимал до восьми месяцев, в то время как сейчас, благодаря созданному нейроинструментарию NB-Cell, компьютер с мощной видеокартой справляется с тем же заданием всего за одну ночь. Притом, качество масштабирования не уступает человеческому, а в большинстве случаев его превосходит.
«В процессе проектирования мы стараемся применять ИИ везде, где только возможно. Например, каждый раз, когда мы переходим на новый полупроводниковый техпроцесс, нам приходится переносить на него нашу стандартную библиотеку ячеек. В ней от 2500 до 3000 ячеек, и раньше для этого требовалась команда из восьми человек, которые работали над задачей около 10 месяцев, то есть на это уходило 80 человеко-месяцев. Затем мы создали программный инструментарий на основе машинного обучения с подкреплением под названием NB-Cell. Думаю, сейчас у нас уже версия NB-Cell 2 или 3. Она справляется с описанной задачей за одну ночь на одном графическом процессоре. Результаты по таким параметрам, как размер ячейки, рассеиваемая мощность и задержка, даже превосходят разработки, созданные людьми. Точнее они соответствуют разработкам, созданным людьми, или превосходят их. Это огромный прирост производительности, и он устраняет препятствия на пути к переходу на новые техпроцессы, потому что теперь мы можем очень быстро переносить библиотеки ячеек».
Кроме того, Билл Далли рассказал ещё о нескольких автоматизированных процессах проектировки текущих видеокарт. Конечно же это виртуальное тестирование систем охлаждение на процесс рассеивания тепла, инструментарии поиска, корректировок и устранения ошибок, но интереснее всего, помимо упомянутого NB-Cell, выглядят Prefix RL и Chip Nemo/Bug Nemo.
Первый — инструмент автоматической проектировки оптимальных цепей связи между вычисленными блоками(ядрами). По словам научного сотрудника Nvidia, Prefix RL умудряется создавать такие схемы схемы межъядерных связей, до которых человек никогда бы не одумался ввиду их неочевидности. Только один этот момент обеспечивает прирост производительности графических процессоров до 20-30%, что является без преувеличения фантастическим результатом.
Инструментарии же Chip Nemo и Bug Nemo — ни что иное как чат — боты для внутрекорпоративной поддержки сотрудников. В самообучающиеся модели загружена вся информация из баз данных Nvidia практически за всю историю компании. Это позволяет любому молодому сотруднику не искать ответы на часто насущные вопросы среди старших инженеров или архивов библиотек, а оперативно получать их по простому запросу.
Завершил свой диалог Билл Далли констатацией факта: не смотря на все оптимизации и улучшения получаемых с помощью продвинутого ИИ, ключевая работа по созданию архитектур и их принципиальному развитию всё же остаётся исключительно за человеком.
Вам может быть интересно: 50 лет назад была основана компания Apple
The post Глава науки Nvidia: ИИ на одном компьютере за одну ночь делает столько же работы сколько команда инженеров месяцы appeared first on AMD news.
Источник: amd.news