人工智能:工程工具或威胁工作吗?

半导体工程坐下来谈一谈用人工智能设计和测试复杂的芯片与迈克尔·杰克逊,公司研发副总裁节奏;副总裁Joel萨姆纳半导体和电子工程在国家仪器;在元恩典,产品和工程经理;大卫•潘在电子和计算机工程系教授德克萨斯大学奥斯汀分校。下面摘录的谈话,在现场观众面前DesignCon举行。

SE:将人工智能真的取代工程师,或者会有工具?

杰克逊:人工智能实际上更多的是一个工程师使用的工具。在设计自动化领域多年来我们一直在创造工具。人工智能是新一代的一部分。我们看到很多研究和发展。有新产品出来,这是一种对我们的用户更快更好的结果。它不会消除劳动力,但它会使他们更加富有。

萨姆纳:这是不可避免的,我们的工作将会改变。在这个行业的人都不会对任何的时间长度是在完全相同的方式做他们的工作他们过去已经做到了。AI会改变我们工作的方式。和,因为我们雄心勃勃。我们都有一些大的事情,我们今天不能完成。AI将会让我们的生活更容易或更快通过消除一些东西妨碍。每个人都被要求,或者去他们的老板要求更多的资源和帮助去做某事。但我们生活的世界的现实是我们不能。这是一个限制器。AI会解锁。

锅:人工智能将是积极的。这是非常有用的优化,预测,甚至产生。一些低级,平凡的工作,不是很创意可以被人工智能所取代。如果你看这四个行业革命,从第一次工业革命煤和蒸汽,第二个用电,第三用电脑,现在第四,在每一个工作人员或工程师所取代。但是新的类型的工程师将被创建,这将提高我们的生产力或做出更好的设计。

余我们认为这与多氯联苯。你所要做的工作量,以手动审查数以百万计的连接是巨大的。你如何确保一切连接正常吗?我们看到,使用EDA工具,可以提高设计的自动化和检查验证。人工智能可以做得更好只是简单,重复的任务。你可以训练模型来捕获相同的模式,然后他们可以做一些聪明的为你工作。但这取决于你的人工智能模型的质量。然后你可以利用人工智能,你可以释放你的工程师做更多AI不能做创造性的工作。

SE: AI能调试或复杂的芯片的验证吗?当我们听到AI,我们往往会想到一些科幻电影,但我们完全不靠近。

锅今天:它可以做平凡的任务。但是经过大量的训练数据和监督,无监督,semi-supervised,主动学习,学习转移——它可以开始做一些相当聪明,。这并不是说它将是一样聪明的高级工程师。但它可以很好对于某些应用程序,虽然不一定。

杰克逊:绝对能做的比平凡的任务。产品发布启用它,数字集成电路领域的优化,例如,达到一个更好的结果比没有这种技术。也许他们节省10%更多的权力或者他们得到的结果比他们快一个月没有它。这不是平凡的。这是真正的生产力。

萨姆纳承诺:我们看到的是能力给一个工程师一个提示的地方,尤其是在调试方面,因为这些事情很棘手。我们已经部署技术。有一个主要的半导体厂商与我们合作,我们在做自动化在根源寻找模式的数据。这是很好地接受了,因为有一个人类的循环,它加速他们能做什么。我期待有一天我们不再坐在房间里盯着情节和发现问题。

SE:有很多定制的设计今天做。如何影响人工智能,因为并没有太多的数据对于那些设计。

余:对于一些我们现在正在做的定制设计,我们没有一个预先存在的数据集,我们正在改变它可以利用现有的数据模型。也许几年后,当我们收集更多的数据和更准确的数据,我们可以将新技术和应用人工智能。

杰克逊:这是一个很好的训练数据集可以帮助制定的统计模型作为机器学习的一部分。框架可以通用,这样A公司和B公司将能够调整和定制一个统计模型基于本地数据。

锅:我同意。我们需要特定于应用程序的人工智能为不同的应用程序和不同的客户,所以你可能需要一个模型迁移到另一个应用程序,稍微改变它。也许有一个共同的框架,它仍然可以被使用,和我们申请转移学习之类的。

SE:不同领先的晶圆厂的过程变得非常不同。你如何开发人工智能工具,可以为他们每个人工作?

萨姆纳我们这里有两个方面的研究。一个是方差的基础部分,能够训练模型是常见的事情,然后让它了解的东西是不同的。毫升模型中我们看到的一件事是,你需要大量的数据。而且不只是数据本身有记录,但是也有标记的内容。它是好还是坏呢?如果是坏的,它在哪里坏?使得算法来前进。但当你有较小的数据集,至少一点共性,你可以告诉它的基础和共同围绕它为了让它做它的工作。

SE:如果一些工程师是不完美的,他们创造的算法是不完美的,这是否意味着AI会完美吗?如果是这样,我们如何规避?

杰克逊:AI不一定是完美的,但它确实学习。一个很好的例子是AlphaGo DeepMind所做的工作。它可以玩去啊去比人类,这是比开发人员设计的。诀窍是创造学习的东西,并允许它这样做和实现其全部潜力。

锅:有一个相关的例子与神奇,这是由美国国防部高级研究计划局赞助。这是一个完全自动化的模拟集成电路布局系统,考虑各种约束生成和位置和路由。这个的优点是,如果没有人类的循环,我们可以产生成千上万的不同种类的布局,然后自动提取和仿真。我们仍然可以生成各种各样的奇怪的布局,满足我们的设计约束。但是你也可以探索人类其他解决方案设计师也许感兴趣,但他们没有接触到。就像在游戏中AlphaGo, AI可以在较少的移动事情做得更好,你可以在这里做同样的事情。虽然工程师肯定是不完美的,这个过程反复改进,允许你做你从未想过的事情。

杰克逊:37移动游戏两个,看的人说,他们不理解,认为这是一个错误。但它导致惨败。

SE:所以这部分取决于你有多少数据,包括好的和坏的吗?

萨姆纳:是的,尤其是在人们使用人工智能为他们自己的特定的问题,问题是数据是从哪里来的?大多数人都有大量的数据只是在自己的机器上。但这是要改变我们思考的方式存储数据。很快为你做你的工作,和快速算法来完成他们的工作,为你尝试会专门为你工作,数据必须存储在一个方式,可以很容易地访问,它必须以正确的方式标记。硬盘的Excel文件是要挑战,你可能不认为做这个实验,因为它需要这么长时间来获取数据。拥有一个平台,你可以把数据之前,你知道你需要它,然后有一些工具,可以帮助你快速提取它,真的是这实验和进步的关键。

余:我们现在做的一些工作在实验室在元是开创性的工作。有很多挑战,不仅从设计的角度,从行业整体而言,如何利用Metaverse。这不仅仅是游戏。我们想把它应用到很多领域还不知道我们在这一点上,还有一些不确定性人工智能。有很多研究。我们有大量的数据来训练人工智能,这样他们可以识别潜在的模式噪声的数据。还有很多工作要做,我们的挑战。我们还可以利用现有的人工智能模型在其他行业,以确定哪些是最好的方法对于开发人员和扩展到新的领域。

相关阅读
人工智能在芯片设计变得更加突出(3以上的第2部分讨论)
专家在餐桌上:好的和坏的更多的数据,以及人工智能如何利用这些数据来优化设计和提高可靠性。
芯片工程师计划如何使用人工智能吗(3以上的第3部分讨论)
检查、平衡和未知数AI /毫升的半导体的设计。