GTCカンファレンスにおいて、NVIDIAのチーフサイエンティスト兼研究担当上級副社長のビル・ダリーは、同社の研究開発チームがAIと機械学習を活用して、同社の次世代GPUの設計と効率性を高める方法について述べました。
ダリーはさらに、より優れた強力なGPUという目標を推進するために、機械学習と人工知能を活用することについて述べた。
GPUの設計と、明日のハードウェアにおけるAIや機械学習の影響について語るNVIDIA
ダリー氏は、AIとMLを使って推論を増やすことで、標準的なGPUの設計タスクを3時間から3秒に高速化した例を紹介した。
2つのアプローチにより、動作が遅く、高度に入り組んでいた4つの処理まで最適化した。
Dallyは、GPUの設計とAIと機械学習がGTC会議中にどのように大きな影響を与えるかについて4つの実質的なセクションを起草しました。
プロセスには、電源電圧の低下の制御、エラーなどの予測、問題の確立と線引き、セルの移動の自動化などが含まれます。
※ 画像をクリックすると別Window・タブで拡大します。
電圧降下のマッピング
この電圧の低下をマッピングすることで、NVIDIAは次世代GPUの設計において、電力の流れがどこを移動しているかを確認することができます。
かつては標準的なCADツールがこのプロセスを助けてくれましたが、NVIDIAが使用する新しいAIツールは、これらのタスクを数秒で処理することができます。
AIと機械学習を導入することで、精度が94%向上し、速度が指数関数的に向上します。
寄生虫の予測
ダリーは、人工知能を活用した寄生虫の予測に思い入れがある。回路設計者であった彼は、同僚と長時間かけて寄生虫を予測しながら開発を進めていた。
今回、NVIDIAで行われたテストでは、シミュレーションの誤差が10％以下になったそうです。
回路設計者にとっては、このような開発効率の向上が、より独創的で画期的な設計を可能にするのです。
配置と配線の課題
ゾーニングとルーティングの課題は、データの流れが悪いと効率が指数関数的に低下するという点で、高度なチップの設計にとって重要である。
ダリー氏は、NVIDIAがGNN（Graph Neural Networks）を使用して、あらゆる問題を調査して見つけ出し、開発プロセスから重要な時間を奪うような解決策を迅速に見つけると述べています。
スタンダードセルのマイグレーション自動化
チップのマイグレーションは、AIなしでは開発者が数え切れないほどの月日を費やしてしまうこともあった。
現在、Dally氏は、"セルライブラリの92%はこのツールで行うことができ、デザインルールや電気的ルールのエラーはありませんでした"、"多くの場合、より良いデザインに仕上がります "と述べている。
NVIDIAは、同社の5つの研究所でAIと機械学習を優先させる計画だ。ダリー氏によるカンファレンスでの議論から、同社の新しい7nmと5nmの設計に自動化されたスタンダードセルの移行が含まれるはずで、NVIDIAがこれらの新しいプロジェクトにAda Lovelaceのラインを含めることを示唆している。
ソース：wccftech - NVIDIA Is Making Next-Gen GPUs ‘Better Than Human’ Thanks To AI & Machine Learning
解説：
RTX4000シリーズはAI/ML機能の強化によって、人間より優れた判断、予測が出来るソフトウェアが実行できるようになる？
と言うお話です。
Radeonの場合、AI/ML関連の話は全てサーバーやHPC向けに限られていますのでこういった話が一般向けに降りてくることはあまりないのですが、nVidiaは対照的にかなり一般向けに下ろしてくることに積極的です。
AI/ML関連で一般人が一番恩恵を受けているのは画像処理関連で、スマホはカメラで撮った画像の処理と言う一大需要がありますので、SoCにこの手の機能を取り込むことに積極的です。
パソコンの場合はやはり、生産性を向上させる機能に使うのが一般的ですかね。
AIアシスタントのようなものならば、今のスマホの機能でも十分実現できそうですが、わざわざGPUを使うまでもないのかもしれません。
RTX4000シリーズからは画像処理以外でも使われるようになるかもしれません。
AIと言うとディープフェイクのような悪用されている技術がかなり有名になってしまいましたが、「これは」と言うような活用方法が一般に降りてきて欲しいものかなと思います。