سامسونگ از هوش مصنوعی برای طراحی تراشههای اکسینوس جدید خود استفاده میکند
شرکت سامسونگ با تأیید اینکه این شرکت از هوش مصنوعی AI│Artificial Intelligence برای ایجاد تراشههای جدید خود استفاده میکند، اعلام کرده است که از نرم افزار جدیدی از سینوپسیس، شرکت نرمافزاری پیشگام در طراحی تراشه، استفاده خواهد کرد.
سخنگوی سامسونگ در گفتگو با سایت Wired تأیید کرده که این شرکت از نرم افزار هوش مصنوعی شرکت Synopsys برای طراحی تراشه های اکسینوس خود استفاده میکند. با این حال، این شرکت اعلام نکرده که آیا تراشههای طراحی شده با این ابزار هوش مصنوعی هنوز به مرحله تولید رسیدهاند یا خیر و یا امکان حضور آن در چه محصولاتی وجود دارد.
استفاده از هوش مصنوعی برای ساخت تراشه محدود به سامسونگ نخواهد بود
در حالی که سامسونگ یکی از اولین شرکتهایی است که تراشه های خود را با استفاده از هوش مصنوعی طراحی کرده است، شرکت های دیگری مانند گوگل و انویدیا در مورد طراحی تراشهها با استفاده از هوش مصنوعی صحبتهایی را به میان آوردهاند.
این ابزار شرکت سینوپسیس که DSO.ai نامیده میشود، میتواند سهم بازار بیشتری داشته باشد چرا که این شرکت در حال حاضر با دهها شرکت دیگر در حال همکاری است.
چند ماه پیش، محققان گوگل اعلام کردند که از هوش مصنوعی برای قرار دادن اجزای تراشههای تنسور (Tensor) بهره بردهاند که از این تراشهها برای آموزش و اجرای برنامههای هوش مصنوعی در مراکز داده گوگل استفاده میشود. گوشی هوشمند بعدی گوگل، سری پیکسل 6، دارای تراشه سفارشی تولید شده توسط سامسونگ خواهد بود.
همانطور که اشاره شد، به غیر از سامسونگ و گوگل، شرکت های دیگر نیز در زمینه طراحی تراشه های مبتنی بر هوش مصنوعی مشغول به کار هستند، از جمله NVIDIA و IBM. اما شرکت کیدنس، رقیب سینوپسیس نیز بدون فعالیت باقی نمانده است و این شرکت نیز در حال توسعه ابزارهای هوش مصنوعی برای کمک به نقشهبرداری از تراشه های جدید است.
رویکرد کنونی هوش مصنوعی که توسط سینوپسیس و سایر شرکتها درحال توسعه یافتن است، از یک تکنیک یادگیری ماشینی به نام «یادگیری تقویتی» برای طراحی یک تراشه استفاده میکند. این تکنیک شامل آموزش دادن به یک سیستم با استفاده از یک الگوریتم برای انجام یک کار از طریق پاداش یا مجازات است.
این فناوری میتواند به طور خودکار اصول اولیه طراحی، از جمله قرار دادن اجزا و سیمکشی آنها را به یکدیگر ترسیم کند. این فناوری با امتحان کردن طرحهای مختلف در شبیهسازی و یادگیری اینکه کدام روش بهترین نتایج را به ارمغان میآورد، به دست میآید.