На конференции прозвучали мнения, что ИИ и полупроводники в настоящее время являются столпами будущего цифровой экономики . В частности, два элемента — ИИ и полупроводник — неразрывно связаны. Наиболее очевидно, что ИИ помогает автоматизировать процесс производства полупроводников, прогнозировать и выявлять дефекты продукции, повышать качество и эффективность производства.
Г-н Кристофер Нгуен, генеральный директор Aitomatic, привёл пример: к 2030 году некоторые производственные предприятия, особенно передовые, будут предъявлять более строгие требования к стандартам. Например, в процессе плазменной обработки для обеспечения практически абсолютной точности необходимо обеспечить соблюдение таких параметров, как диаметр струи, давление, температура и десятки других. Искусственный интеллект внесет свой вклад в обеспечение этой точности.
«ИИ не может развиваться без полупроводников, и наоборот, полупроводниковая промышленность быстро меняется благодаря достижениям в области ИИ. Это симбиотические отношения, где оба подталкивают друг друга вперёд», — сказал он.
 |
На семинаре выступил г-н Кристофер Нгуен — генеральный директор Aitomatic. |
Говоря об общей картине развития технологий, г-н Кристофер Нгуен сослался на закон Мура, утверждающий, что скорость развития искусственного интеллекта и полупроводников очень высока. Каждые 18 месяцев микропроцессорные технологии значительно совершенствуются.
Что касается рынка, то мир демонстрирует впечатляющий рост, и ожидается, что спрос на чипы для обработки ИИ продолжит стремительно расти в ближайшие годы. Такие страны, как США, Китай, Япония и Южная Корея, наращивают инвестиции в эту область. Гонка между странами-лидерами в области технологий крайне ожесточённая.
В области производства микросхем г-жа Анна Голди, старший научный сотрудник Google, отметила, что, несмотря на экспоненциальный рост вычислительных потребностей ИИ, возможности оборудования не поспевают за ними, создавая растущий разрыв. Для решения этой проблемы были внедрены новые технологии ИИ, такие как AlphaChip — метод проектирования микросхем на основе ИИ. Она отметила, что благодаря применению ИИ процесс проектирования микросхем значительно ускоряется, что способствует снижению затрат и оптимизации производительности.
«Чтобы полностью раскрыть потенциал ИИ, нам необходимо сократить циклы разработки микросхем, улучшить алгоритмы и максимально эффективно использовать данные. В будущем ИИ не только поможет улучшить аппаратное обеспечение, но и внесет вклад в прорывы во многих других областях, от здравоохранения и финансов до промышленного производства», — заявила г-жа Анна Голди.
В частности, г-жа Анна Голди представила метод AlphaChip, который использует искусственный интеллект для оптимизации компоновки компонентов на кристалле, помогая сократить задержки, сэкономить электроэнергию и оптимизировать производственные площади. ИИ может улучшить процесс проектирования кристалла, сократив время и повысив производительность продукта. AlphaChip применяется в последних поколениях Google TPU, обеспечивая значительную эффективность по сравнению с традиционными методами проектирования.
Тем временем, г-н Чан Тхань Лонг, профессор Уорикского университета, рассказал об усилиях, предпринимаемых по всему миру для повышения эффективности ИИ и полупроводниковых технологий. Например, он рассказал, как использовать память и байесовскую теорию для повышения производительности и масштабируемости искусственного интеллекта (ИИ). Память помогает ИИ долго запоминать информацию и использовать прошлые данные для оптимизации решений.
«Байесовская теория помогает ИИ корректировать вероятности своих прогнозов на основе новых данных, помогая системе обучаться быстрее и эффективнее. Такое сочетание снижает потребность в вычислительных ресурсах, сохраняя при этом высокую точность», — сказал г-н Лонг.
Кроме того, такой подход способствует более плавной работе ИИ в таких областях, как здравоохранение, промышленное производство и автоматизация. В частности, ИИ может эффективнее обрабатывать данные, не полагаясь на крупные центры обработки данных, что позволяет экономить средства и ресурсы. В результате системы становятся более интеллектуальными, эффективными и самонастраивающимися, не требуя больших объёмов данных.
Г-жа Нган Ву из Google DeepMind представляет направление исследований, предлагающее использовать нейронные сети для создания эффективных логических схем. Применяя алгоритмы имитации отжига и другие методы оптимизации, её команда экспертов стремится сократить цикл разработки схем от идеи до готового продукта.
Одна из основных задач — найти баланс между точностью и производительностью схем, чтобы гарантировать не только точную работу, но и экономию ресурсов. Однако, если удастся сократить разрыв между программным и аппаратным обеспечением ИИ, это откроет множество новых возможностей в полупроводниковой промышленности. «Применение ИИ в проектировании схем обещает изменить принципы работы полупроводниковой промышленности, ускорить процесс разработки и создавать более оптимальные конструкции», — сказала г-жа Нган Ву.
Комментарий (0)