تینا مزدکی_مدل‌های هوش مصنوعی در عرض چند ساعت تراشه‌هایی را از طریق یادگیری عمیق طراحی کردند که از تراشه‌های ساخته شده توسط ما کارآمدتر است؛ اما هنوز مشخص نیست که هوش مصنوعی چگونه توانسته است چنین کاری را انجام دهد.
محققان نشان دادند که هوش مصنوعی (AI) می‌تواند تراشه‌های پیچیده وایرلس را در عرض چند ساعت طراحی کند، کاری که برای انسان‌ها هفته‌ها طول می‌کشید. این تراشه‌های طراحی شده نه تنها کارآمدتر از تراشه‌های انسانی بودند، بلکه هوش مصنوعی برای طراحی آن‌ها رویکرد کاملا متفاوتی به کار گرفته بود، رویکردی که یک طراح مدار احتمالا هرگز به ذهنش نمی‌رسید که چنین کاری انجام دهد.
این تحقیق بر روی تراشه‌های موج میلی‌متری (mm-Wave) متمرکز بود، که به دلیل پیچیدگی و نیاز به کوچک‌سازی چالش‌های بزرگی را برای تولیدکنندگان ایجاد می‌کنند. این تراشه‌ها در مودم‌های 5G استفاده می‌شوند که اکنون در موبایل‌ها یافت می‌شوند.
تولیدکنندگان در حال حاضر به ترکیبی از تخصص انسانی، طراحی‌های مداری خاص و الگوهای ثابت متکی هستند. هر طراحی جدید از مراحلی مبتنی بر آزمایش و خطا عبور می‌کند تا بهینه‌سازی شود، زیرا اغلب آنقدر پیچیده است که انسان نمی‌تواند آنچه در داخل تراشه اتفاق می‌افتد را به طور کامل درک کند. این باعث می‌شود که انسان رویکردی محتاطانه و تدریجی بر پایه آنچه قبلاً کار کرده است، داشته باشد.
با این حال، محققان در دانشگاه پرینستون و مؤسسه فناوری هند فرض کردند که مدل‌های هوش مصنوعی مبتنی بر یادگیری عمیق می‌توانند از روش طراحی معکوس استفاده کنند، روشی که خروجی مورد نظر را مشخص می‌کند و الگوریتم را واگذار می‌کند تا ورودی‌ها و پارامترها را تعیین کند.
هوش مصنوعی همچنین هر تراشه را به عنوان یک اثر واحد در نظر می‌گیرد، نه مجموعه‌ای از عناصر موجود که باید ترکیب شوند. این بدان معناست که الگوهای طراحی تراشه‌ای که کسی نمی‌تواند آن‌ها را درک کند، اما احتمالاً شامل ناکارآمدی‌هایی هستند، کنار گذاشته می‌شوند.
آینده طراحی تراشه‌ها به کجا می‌رود؟
در این آزمایش، ساختارهای حاصل شده، شکل‌های تصادفی به نظر می‌رسند. به گفته کوشیک سنگوپتا، نویسنده اصلی و استاد مهندسی برق و کامپیوتر در پرینستون انسان‌ها واقعاً نمی‌توانند این ساختارها را درک کنند. زمانی که تیم سنگوپتا تراشه‌ها را ساخت، متوجه شدند که آثار تولید شده توسط هوش مصنوعی عملکردی فراتر از طراحی‌های موجود دارند.
اگرچه این یافته‌ها نشان می‌دهند که طراحی چنین تراشه‌های پیچیده‌ای ممکن است به هوش مصنوعی واگذار شود، سنگوپتا تاکید داشت که هنوز چالش‌هایی وجود دارد که نیاز به اصلاح توسط طراحان انسانی دارد؛ به ویژه به این خاطر که بسیاری از طراحی‌هایی که توسط الگوریتم تولید شده بودند کار نکردند، درست مانند سایر توهمات ابزارهای هوش مصنوعی کنونی.
سنگوپتا در این باره می‌گوید: «هدف این نیست که ابزارها را جایگزین طراحان انسانی کنیم؛ هدف این است که با ابزارهای جدید بهره‌وری را افزایش دهیم.»
سرعتی که در آن طراحی‌های تدریجی می‌توانند توسعه یابند، امکانات جدیدی را فراهم می‌کند. برخی از طراحی‌های تراشه می‌توانند به سمت کارایی انرژی بروند و برخی دیگر برای عملکرد بیشتر یا افزایش دامنه فرکانسی به کار بیایند.
منبع: livescience
58323
