समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

अद्यैव गूगल deepmind इत्यनेन आधिकारिकतया स्वस्य नवीनतमचिप डिजाइन एल्गोरिदम् alphachip on nature इति घोषितम् एषा पद्धतिः सङ्गणकचिप्स् इत्यस्य विकासं त्वरयितुं अनुकूलितुं च समर्पिता अस्ति तथा च एतस्य परीक्षणं बहुभिः tpu उत्पादैः कृतम् अस्ति तथा च मानवविशेषज्ञैः आवश्यकानि कार्याणि केवलं कतिपयेषु कार्येषु सम्पन्नं कर्तुं शक्यते घण्टाः सप्ताहान् वा मासान् अपि चिप् लेआउट् डिजाइनम्।

२०२० तमे वर्षे गूगलेन एकं महत्त्वपूर्णं पूर्वमुद्रणपत्रं "चिप् प्लेसमेण्ट् विद डीप रिइन्फोर्समेण्ट् लर्निङ्ग्" प्रकाशितम्, यस्मिन् प्रथमवारं विश्वं दर्शितं यत् तस्य चिप् लेआउट् नूतनसुदृढीकरणशिक्षणपद्धत्या डिजाइनं कृतम्एतत् नवीनता गूगलं tpu चिप् डिजाइनमध्ये ai इत्यस्य परिचयं कर्तुं शक्नोति, मानवनिर्मातृभ्यः अतिक्रान्तं चिप् विन्यासं प्राप्नोति ।

२०२२ तमे वर्षे गूगलेन पत्रे वर्णितं एल्गोरिदम्-सङ्केतं अधिकं मुक्तस्रोतं कृतम्, येन विश्वस्य शोधकर्तारः चिप्-खण्डानां पूर्वप्रशिक्षणार्थं एतस्य संसाधनस्य उपयोगं कर्तुं शक्नुवन्ति ।

अद्यत्वे एषा एआइ-सञ्चालिता शिक्षणपद्धतिः tpu v5e, tpu v5p, trillium इत्यादीनां उत्पादानाम् अनेकपीढीनां परीक्षणं कृत्वा गूगलस्य अन्तः उल्लेखनीयं परिणामं प्राप्तवान् अतः अपि अधिकं उल्लेखनीयं यत् गूगल-डीपमाइण्ड्-दलेन अद्यैव अस्याः पद्धतेः परिशिष्टं नेचर-पत्रिकायां प्रकाशितम्, यत्र चिप्-डिजाइन-क्षेत्रे अस्य दूरगामी-प्रभावस्य अधिकविस्तारेण विस्तरेण वर्णनं कृतम् तस्मिन् एव काले, २.गूगलेन २० tpu मॉड्यूल् इत्यस्य पूर्वप्रशिक्षणस्य आधारेण एकं चेकपॉइण्ट् अपि उद्घाटितम्, मॉडल् वेट् साझां कृतम्, तस्य नाम च alphachip इति कृतम् ।

अल्फाचिप् इत्यस्य आगमनेन न केवलं एआइ इत्यस्य उपयोगः चिप्-डिजाइन-क्षेत्रे अधिकतया भविष्यति इति सूचयति, अपितु वयं "चिप्-आधारित-डिजाइनस्य" नूतनयुगे प्रवेशं कुर्मः इति अपि चिह्नयति

अल्फाचिप् : चिप् डिजाईन् मध्ये क्रान्तिं कर्तुं गूगल डीपमाइण्ड् एआइ इत्यस्य उपयोगं कथं करोति

गूगलस्य deepmind इत्यस्य पराकाष्ठारूपेण alphachip इत्येतत् चिप् डिजाइन इत्यस्मिन् क्रान्तिकारी प्रगत्या वैश्विकप्रौद्योगिकीसमुदायस्य ध्यानं आकर्षयति।

चिप् डिजाइन आधुनिकप्रौद्योगिक्याः पराकाष्ठायां क्षेत्रम् अस्ति । यथार्थ-जगतः अभियांत्रिकी-समस्यानां समाधानार्थं प्रयुक्तानां प्रथमसुदृढीकरण-शिक्षण-प्रविधिषु अन्यतमः इति नाम्ना, अल्फाचिप् सप्ताहेषु वा मासेषु वा हस्तश्रमस्य स्थाने, केवलं कतिपयेषु घण्टेषु एव चिप्-विन्यास-निर्माणं पूर्णं कर्तुं समर्थः अस्ति एतेन युगनिर्माणविकासेन पारम्परिकसीमातः परं अस्माकं कल्पनायाः द्वारं उद्घाटितम्।

अतः, आल्फाचिप् इत्येतत् पराक्रमं कथं सम्यक् साधयति?

alphachip इत्यस्य रहस्यं तस्य सुदृढीकरणशिक्षणस्य दृष्टिकोणः अस्ति, यः चिप् लेआउट् डिजाइनं क्रीडारूपेण व्यवहरति । रिक्तजालतः आरभ्य आल्फाचिप् क्रमेण प्रत्येकं परिपथघटकं यावत् सर्वं स्थाने न भवति तावत् स्थापयति । तदनन्तरं विन्यासस्य गुणवत्तायाः आधारेण प्रणाली तदनुरूपं पुरस्कारं दास्यति ।

अतः अपि महत्त्वपूर्णं यत् गूगलेन अभिनवरूपेण "धार-आधारितं" आलेख-तंत्रिका-जालं प्रस्तावितं ।एतेन आल्फाचिप् चिप् घटकानां मध्ये परस्परसम्बन्धान् ज्ञात्वा सम्पूर्णस्य चिप् इत्यस्य डिजाइनमध्ये तान् प्रयोक्तुं समर्थः भवति, तस्मात् प्रत्येकस्मिन् डिजाईन् मध्ये आत्म-अतिक्रमणं प्राप्नोति alphago इत्यस्य सदृशं alphachip "खेलानां" माध्यमेन शिक्षितुं शक्नोति तथा च उत्तमचिपविन्यासस्य डिजाइनस्य कलायां निपुणतां प्राप्तुं शक्नोति ।

tpu विन्यासस्य डिजाइनस्य विशिष्टप्रक्रियायां alphachip प्रथमं पूर्वपीढीनां चिप्स् इत्यस्य विभिन्नमॉड्यूलेषु पूर्वप्रशिक्षणं करिष्यति, यत्र ऑन-चिप् तथा अन्तर्चिप् नेटवर्क् मॉड्यूल्स्, मेमोरी कंट्रोलर्स्, डाटा ट्रांसमिशन बफर्स् च सन्ति अयं पूर्वप्रशिक्षणचरणः आल्फाचिप् इत्यस्मै अनुभवस्य धनं प्रदाति । ततः गूगलः वर्तमान tpu मॉड्यूलानां कृते उच्चगुणवत्तायुक्तानि विन्यासानि जनयितुं alphachip इत्यस्य उपयोगं कृतवान् ।

पारम्परिकपद्धतीनां विपरीतम्, अल्फाचिप् अधिकचिपविन्यासकार्यस्य समाधानं कृत्वा निरन्तरं स्वस्य अनुकूलनं करोति, यथा मानवविशेषज्ञाः अभ्यासद्वारा स्वकौशलं निरन्तरं सुधारयन्ति यथा deepmind सहसंस्थापकः मुख्यकार्यकारी च demis hassabis उक्तवान्,गूगलेन आल्फाचिप् इत्यस्य परितः एकं शक्तिशालीं प्रतिक्रियापाशं निर्मितम् अस्ति:

* प्रथमं उन्नतचिप् डिजाइन मॉडलं (alphachip) प्रशिक्षयन्तु ।

* द्वितीयं, उत्तमं ai चिप्स् डिजाइनं कर्तुं alphachip इत्यस्य उपयोगं कुर्वन्तु

* ततः, उत्तममाडलस्य प्रशिक्षणार्थं एतेषां ai चिप्सस्य उपयोगं कुर्वन्तु

* अन्ते उत्तमचिप्स डिजाइनं कर्तुं एतेषां मॉडल्-उपयोगं कुर्वन्तु

पुनः पुनः मॉडल्, एआइ चिप् च एकत्रैव उन्नयनं भवति, "एतत् कारणस्य भागः अस्ति यत् गूगल टीपीयू स्टैक् एतावत् उत्तमं प्रदर्शनं करोति" इति ।

अल्फाचिप् न केवलं मानवविशेषज्ञानाम् अपेक्षया अधिकानि मॉड्यूलानि स्थापयति, अपितु तारस्य दीर्घता अपि महत्त्वपूर्णतया न्यूना अस्ति ।tpu इत्यस्य प्रत्येकस्य नूतनपीढीयाः परिचयेन सह alphachip उत्तमचिप् लेआउट् डिजाइनं करोति तथा च अधिकपूर्णं समग्रं तलयोजनां प्रदाति, तस्मात् डिजाइनचक्रं लघु भवति तथा च चिप् कार्यक्षमतां सुधरति

alphachip design chip blocks इत्यस्य संख्या तथा google इत्यस्य tpu इत्यस्य त्रयाणां पीढीनां (v5e, tpu v5p) औसतरेखादीर्घतायाः न्यूनीकरणं च

गूगल टीपीयू इत्यस्य १० वर्षीययात्रा: एएसआईसी इत्यस्मिन् दृढतायाः आरभ्य एआइ डिजाइन इत्यस्मिन् नवीनतापर्यन्तं

tpu क्षेत्रे अन्वेषकः अग्रगामी च इति नाम्ना अस्मिन् प्रौद्योगिकीपङ्क्तौ गूगलस्य विकास-इतिहासं दृष्ट्वा न केवलं स्वस्य तीक्ष्ण-अन्तर्दृष्टेः उपरि अवलम्बते, अपितु स्वस्य असाधारणं साहसं अपि प्रदर्शयति |.

यथा वयं सर्वे जानीमः, १९८० तमे दशकेasic (application specific integrated circuit) इत्यस्य विशेषता अस्ति यत् उच्च-लाभ-प्रभावशीलता, सशक्त-प्रक्रिया-शक्तिः, द्रुतगतिः च अस्ति ।विपणात् व्यापकं अनुग्रहं प्राप्तवान् अस्ति । परन्तु asic कार्यक्षमता कस्टम् मास्क-उपकरणैः निर्धारिता भवति, यस्य अर्थः अस्ति यत् ग्राहकानाम् महत् अग्रिम-अन-पुनरावृत्ति-इञ्जिनीयरिङ्ग (nre) व्ययस्य भुक्तिः आवश्यकी भवति ।

अस्मिन् समये, २.fpga (field programmable gate array) इत्यस्य लाभाः सन्ति यत् अग्रिमव्ययस्य न्यूनीकरणं भवति तथा च अनुकूलितस्य डिजिटलतर्कस्य जोखिमः न्यूनीकरोति ।जनदृष्टौ प्रविश्य यद्यपि कार्यप्रदर्शने सर्वथा श्रेष्ठं नास्ति तथापि विपण्यां अद्वितीयम् अस्ति ।

तस्मिन् समये उद्योगेन सामान्यतया भविष्यवाणी कृता यत् मूर्-नियमः एएसआईसी-इत्यस्य आवश्यकताभ्यः परं fpga-प्रदर्शनं चालयिष्यति । परन्तु एतत् निष्पद्यते यत् fpga, प्रोग्रामेबल "यूनिवर्सल चिप" इत्यस्य रूपेण, अन्वेषणात्मकेषु न्यूनमात्रायां च उत्पादेषु उत्तमं प्रदर्शनं करोति तथा च gpu इत्यस्मात् उत्तमं गतिं, विद्युत् उपभोगं वा मूल्यसूचकाः प्राप्तुं शक्नोति, परन्तु अद्यापि "सार्वभौमिकतायाः" मुक्तिं प्राप्तुं न शक्नोति इष्टतमता एकस्मिन् समये प्राप्तुं न शक्यते” इति । एकदा fpgas इत्यनेन विशेषवास्तुकलायां मार्गः प्रशस्तः अभवत् तदा ते अधिकविशेषज्ञानाम् asics इत्यस्य मार्गं दत्तवन्तः ।

21 शताब्द्यां प्रवेशस्य अनन्तरं एआइ-प्रौद्योगिक्याः उन्मादः अधिकाधिकं जातः अस्ति तथा च यन्त्र-शिक्षणस्य एल्गोरिदम्-इत्यस्य पुनरावृत्तिः निरन्तरं भवति .बहुषु जटिलकार्येषु अधिकाधिकं अप्रभाविणः अभवन् । एतस्याः पृष्ठभूमितः गूगलेन २०१३ तमे वर्षे साहसिकः निर्णयः कृतः,tpu आधारभूतसंरचना निर्मातुं tensorflow तथा jax इत्येतयोः परितः विकासाय asic इति चिनोतु ।

ज्ञातव्यं यत् एएसआईसी इत्यस्य स्वतन्त्रं शोधं विकासं च दीर्घचक्रं, बृहत् निवेशः, उच्चदहलीजः, महत् जोखिमं च युक्ता प्रक्रिया अस्ति। एकदा गलतदिशा चयनं कृत्वा महती आर्थिकहानिः भवितुम् अर्हति । परन्तु अधिकव्यय-प्रभाविणः ऊर्जा-बचत-यन्त्र-शिक्षण-समाधानस्य अन्वेषणार्थं गूगल-संस्थायाः २०१२ तमे वर्षे गहन-शिक्षणस्य माध्यमेन चित्र-परिचयस्य सफलतायाः प्रगतिः कृत्वा, तत्क्षणमेव २०१३ तमे वर्षे tpuv1-विकासः आरब्धः, २०१५ तमे वर्षे च प्रथम-पीढीयाः घोषणा कृता ।tpu chip (tpu v1) आन्तरिकरूपेण ऑनलाइन अस्ति,एतेन एआइ-कृते विशेषतया निर्मितस्य विश्वस्य प्रथमस्य त्वरकस्य जन्म अभवत् ।

सौभाग्येन, tpu इत्यनेन शीघ्रमेव उच्च-प्रोफाइल-प्रदर्शन-अवसरः आरब्धः-मार्च-मासे, alphago lee इत्यनेन विश्वस्य go-विजेता ली sedol इत्यस्य सफलतापूर्वकं पराजयः कृतः यतः एतत् alphago-श्रृङ्खलायाः द्वितीय-पीढीयाः संस्करणं भवति .

परन्तु टीपीयू इत्यनेन तत्क्षणमेव उद्योगे बृहत्परिमाणेन सफलं अनुप्रयोगं न प्राप्तम्, यावत् आल्फाचिप् चिप् लेआउट् पद्धतिः प्रस्ताविता तावत् एव टीपीयू यथार्थतया विकासस्य नूतनपदे प्रविष्टवान्

गूगल टीपीयू विकास इतिहास

२०२० तमे वर्षे गूगलेन "चिप् प्लेसमेण्ट् विथ डीप् रिइन्फोर्समेण्ट् लर्निङ्ग्" इति पूर्वमुद्रणपत्रे आल्फाचिप् इत्यस्य क्षमताः प्रदर्शिताः ।इदं पूर्वानुभवात् शिक्षितुं निरन्तरं च सुधारं कर्तुं समर्थं भवति, तथा च पुरस्कार-न्यूरल-वास्तुकला-निर्माणं कृत्वा निवेश-जालसूचीनां कृते समृद्ध-विशेषता-एम्बेडिंग्-जननं कर्तुं शक्नोति यत् विविध-जालसूचीनां तेषां विन्यासानां च सटीकं पूर्वानुमानं कर्तुं शक्नोति

अल्फाचिप् प्रदर्शनस्य अनुकूलनस्य शर्ताः क्रीडायाः विजयस्य शर्ताः इति मन्यते, सुदृढीकरणशिक्षणपद्धतीः स्वीकरोति, सञ्चितपुरस्कारस्य अधिकतमं लक्ष्यं कृत्वा एजेण्टस्य प्रशिक्षणं दत्त्वा चिप् विन्यासस्य क्षमतां निरन्तरं अनुकूलयति ते १०,००० क्रीडाः आरब्धवन्तः, येन एआइ १०,००० चिप्स् इत्यत्र लेआउट्, रूटिंग् च अभ्यासं कर्तुं, आँकडानां संग्रहणं च कर्तुं शक्नोति, तथैव निरन्तरं शिक्षमाणः अनुकूलनं च कर्तुं शक्नोति

अन्ततः तेषां ज्ञातं यत् एआइ मानवीय-इञ्जिनीयरानाम् अपेक्षया क्षेत्रस्य, शक्तिस्य, तार-दीर्घतायाः च दृष्ट्या मैनुअल्-विन्यासात् अधिकं कार्यं करोति वा मेलनं करोति, यदा तु डिजाइन-मानकानां पूर्तये महत्त्वपूर्णतया न्यूनः समयः भवति परिणामाः तत् दर्शयन्तिअल्फाचिप् 6 घण्टाभ्यः न्यूनेन समये आधुनिकत्वरकजालसूचिकासु हस्तचलितप्रयत्नानाम् प्रतिस्पर्धां कुर्वन्ति वा अतिक्रमयन्ति इति विन्यासान् जनयितुं शक्नोति ।समानेषु परिस्थितिषु विद्यमानानाम् मानवविशेषज्ञानाम् एकमेव कार्यं सम्पन्नं कर्तुं कतिपयान् सप्ताहान् यावत् समयः भवितुं शक्नोति ।

आल्फाचिप् इत्यस्य साहाय्येन गूगलः अधिकाधिकं tpu इत्यस्य उपरि अवलम्बते ।दिसम्बर २०२३गूगलेन जेमिनी इत्यस्य ३ भिन्नाः संस्करणाः प्रारब्धाः, बहुविधा सामान्यः बृहत् मॉडलः अस्य मॉडलस्य प्रशिक्षणे cloud tpu v5p चिप् इत्यस्य व्यापकरूपेण उपयोगः भवति ।मे २०२४, २०१८.गूगलेन षष्ठपीढीयाः tpu चिप् trillium इति विमोचितम्, यस्य विस्तारः एकस्मिन् उच्च-बैण्डविड्थ-युक्ते, न्यून-विलम्ब-युक्ते pod-मध्ये 256 tpu-पर्यन्तं समूहे कर्तुं शक्यते, पूर्व-पीढीनां उत्पादानाम् तुलने, trillium-इत्यस्य मॉडल-प्रशिक्षणस्य अनुकूलनस्य क्षमता अधिका अस्ति .

तस्मिन् एव काले टीपीयू चिप्स् क्रमेण गूगलतः परं गत्वा व्यापकं विपण्यमान्यतां प्राप्तवन्तः ।२०२४ जुलै ३० तारिखएप्पल् इत्यनेन प्रकाशितस्य शोधपत्रे एप्पल् इन्टेलिजेन्स् इकोसिस्टम् इत्यस्मिन् आर्टिफिशियल इन्टेलिजेन्स मॉडल् एएफएम इत्यस्य प्रशिक्षणं कुर्वन् गूगलतः टेन्सर् प्रोसेसिंग् यूनिट् (tpu) मेघसमूहद्वयं चयनं कृतवान् इति दावान् अकरोत् अन्ये आँकडानि दर्शयन्ति यत् ६०% अधिकाः जनरेटिव् एआइ स्टार्टअप्स् तथा प्रायः ९०% जनरेटिव् एआइ यूनिकॉर्न्स् गूगल क्लाउड् इत्यस्य एआइ आधारभूतसंरचनायाः क्लाउड् टीपीयू सेवानां च उपयोगं कुर्वन्ति

अत्र विविधाः संकेताः सन्ति यत् गूगलः दशवर्षेभ्यः खड्गं तीक्ष्णं कृत्वा टीपीयू कृषिकालात् बहिः आगत्य एआइ युगे गूगलं उत्तमं हार्डवेयरप्रदर्शनेन पुनः पोषयितुं आरब्धवान्।आल्फाचिप् इत्यस्मिन् निहितः "ai design ai chip" इति मार्गः चिप् डिजाइनस्य क्षेत्रे अपि नूतनानि क्षितिजानि उद्घाटयति ।

एआइ चिप् डिजाइन इत्यत्र क्रान्तिं करोति: गूगल आल्फाचिप् इत्यस्मात् आरभ्य पूर्ण-प्रक्रिया-स्वचालनस्य अन्वेषणपर्यन्तं

यद्यपि एआइ-निर्मितचिप्स्-क्षेत्रे अल्फाचिप् अद्वितीयम् अस्ति तथापि एतत् एकः एव नास्ति ।एआइ प्रौद्योगिक्याः व्याप्तिः चिप् सत्यापनम्, परीक्षणम् इत्यादिषु अनेकेषु प्रमुखलिङ्केषु व्यापकरूपेण विस्तारिता अस्ति ।

चिप् डिजाइनस्य मूलकार्यं चिपस्य विद्युत् उपभोगं (power), प्रदर्शनं (performance) तथा क्षेत्रं (area) इत्येतयोः अनुकूलनं भवति एतेषां त्रयः प्रमुखाः सूचकाः सामूहिकरूपेण ppa इति उच्यन्ते परम्परागतरूपेण एतत् कार्यं ईडीए-उपकरणैः सम्पन्नं भवति, परन्तु इष्टतमं प्रदर्शनं प्राप्तुं चिप्-इञ्जिनीयरैः निरन्तरं मैनुअल्-समायोजनं करणीयम्, ततः पुनः अनुकूलनार्थं ईडीए-उपकरणानाम् समर्पणं करणीयम् इत्यादि इयं प्रक्रिया गृहे एव फर्निचरस्य व्यवस्थापनं इव अस्ति, अन्तरिक्षस्य अधिकतमं उपयोगं कर्तुं निरन्तरं प्रयत्नः करणीयः, परिसञ्चरणस्य अनुकूलनं कर्तुं च प्रयतते, परन्तु प्रत्येकं समायोजनं फर्निचरं बहिः स्थापयित्वा पुनः व्यवस्थितुं समं भवति, यत् अत्यन्तं समयग्राहकं श्रमप्रधानं च भवति

एतस्याः समस्यायाः समाधानार्थं .synopsys इत्यनेन २०२० तमे वर्षे dso.ai इति संस्था प्रारब्धम् ।एतत् उद्योगस्य प्रथमं चिप् डिजाइन समाधानं यत् एआइ तथा ईडीए इत्येतयोः एकीकरणं करोति । dso.ai मैनुअल् हस्तक्षेपं विना सर्वोत्तमसंतुलनबिन्दुं ज्ञातुं ai मार्गेण स्वयमेव डिजाइनस्थानं अन्वेष्टुं सुदृढीकरणशिक्षणप्रौद्योगिक्याः उपयोगं करोति। एतत् साधनं बहुभिः चिप् दिग्गजैः प्रयुक्तम् अस्ति ।

उदाहरणार्थं, dso.ai इत्यस्य उपयोगानन्तरं microsoft इत्यनेन चिप् मॉड्यूल् इत्यस्य विद्युत् उपभोगः १०%-१५% न्यूनीकृतः, तथा च stmicroelectronics इत्यनेन ppa अन्वेषणदक्षता ३ गुणाधिकं वर्धिता स्मृतिचिप् विशालकायः sk hynix चिपक्षेत्रं न्यूनीकृतम् अस्ति ५% द्वारा । synopsys आँकडा दर्शयति यत् dso.ai इत्यनेन 300 तः अधिकानां वाणिज्यिक-टेप-आउट्-मध्ये सफलतया सहायता कृता, यत् वास्तविक-चिप्-डिजाइन-निर्माणे च ai-इत्यस्य महत्त्वपूर्णां भूमिकां चिह्नितवान्

एआइ-सहायकचिपसत्यापनस्य दृष्ट्या सिनोप्सिस् इत्यनेन प्रकाशितेन तकनीकीप्रतिवेदनेन अपि दर्शितं यत् सत्यापनप्रक्रिया सम्पूर्णस्य चिप्विकासचक्रस्य ७०% यावत् भागं गृह्णाति चिप् टेप-आउट् इत्यस्य व्ययः कोटि-कोटि-डॉलर्-पर्यन्तं भवति, आधुनिकचिप्स-जटिलता च निरन्तरं वर्धते, येन सत्यापनम् कठिनं भवति एतदर्थं .synopsys इत्यनेन vso.ai इति साधनं प्रारब्धम्,सत्यापनस्थानं अनुकूलितुं कवरेजस्य अभिसरणं त्वरयितुं च ai इत्यस्य उपयोगं कुर्वन्तु ।

vso.ai पारम्परिकसङ्केतकवरेजस्य पूरकत्वेन विभिन्नकवरेजप्रकारानाम् अनुमानं कर्तुं शक्नोति ai कवरेजलक्ष्याणां निरन्तरं अनुकूलनार्थं सत्यापनस्य अनुभवात् अपि शिक्षितुं शक्नोति । तदतिरिक्तं synopsys इत्यनेन tso.ai इति साधनमपि प्रारब्धम् अस्ति, यत् चिप् विकासकानां कृते फाउण्ड्रीभिः निर्मितानाम् दोषपूर्णचिप्स-परीक्षणं कर्तुं साहाय्यं कर्तुं शक्नोति ।

चिप्-डिजाइन-क्षेत्रे एआइ-इत्यस्य गहन-संलग्नतायाः कारणात् एकः साहसिकः विचारः उत्पन्नः यत् वयं सम्पूर्ण-चिप्-डिजाइन-कृते एआइ-इत्यस्य उपयोगं कर्तुं शक्नुमः वा? वस्तुतः एनवीडिया इत्यनेन अस्मिन् क्षेत्रे पूर्वमेव प्रयासः कृतः अस्ति । गहनसुदृढीकरणशिक्षण एजेण्टस्य माध्यमेन परिपथानाम् डिजाइनं कुर्वन्तु,एनवीडिया इत्यस्य एच्१०० इत्यस्मिन् प्रायः १३,००० परिपथाः एआइ इत्यनेन परिकल्पिताः । चीनी विज्ञान-अकादमीयाः कम्प्यूटिङ्ग्-प्रौद्योगिकी-संस्थायाः अपि एआइ-इत्यस्य उपयोगेन ५ घण्टाभिः अन्तः "qiu meng no. 1" इति risc-v प्रोसेसर-चिप् उत्पन्नं कृतम् ।४० लक्षं लॉजिक् गेट्स् इत्यनेन सह अस्य कार्यक्षमता इन्टेल् ८०४८६ इत्यस्य तुलनीयम् अस्ति ।

समग्रतया एआइ इत्यस्य सम्पूर्णचिप्स-निर्माणस्य क्षमता अद्यापि सीमितम् अस्ति, परन्तु भविष्यस्य चिप्-विकासाय एषः निःसंदेहः महत्त्वपूर्णः अवसरः अस्ति । प्रौद्योगिक्याः निरन्तरं उन्नतिं कृत्वा चिप्-डिजाइन-क्षेत्रे एआइ-क्षमता अवश्यमेव अधिकं अन्वेषिता, उपयोगः च भविष्यति, अन्ते च सम्पूर्ण-चिप्-डिजाइन-प्रक्रियायां परिवर्तनं भविष्यति

लेखकः तियान जिओयाओ