logo elektroda
logo elektroda
X
logo elektroda
Adblock/uBlockOrigin/AdGuard mogą powodować znikanie niektórych postów z powodu nowej reguły.

Czy AI nigdy nie będzie projektowało samodzielnie układów scalonych..?

ghost666 15 Sie 2023 23:48 2826 33
  • Czy AI nigdy nie będzie projektowało samodzielnie układów scalonych..?
    W dzisiejszych czasach maszyny potrafią konstruować inne maszyny, co sugeruje, że sztuczna inteligencja mogłaby również odegrać kluczową rolę w budowie niezbędnych do nich komponentów, takich jak procesory czy układy pamięci. Jednakże, mimo postępów, jakie dokonują się w dziedzinie AI, zastąpienie ludzkich projektantów i inżynierów przez daną technologię jest wciąż odległym celem. Zamiast tego należy spojrzeć na bezpośrednie korzyści, jakie płyną z zastosowania uczenia maszynowego (ML) i algorytmów, które przyspieszają wykonywanie żmudnych i czasochłonnych zadań w zakresie projektowania struktur półprzewodników. W ostatnich badaniach przeprowadzonych w ramach rocznego raportu Accenture Technology Vision na temat generatywnej sztucznej inteligencji wynika, że aż 69% globalnych liderów branży zaawansowanych technologii spodziewa się, że ich organizacje będą czerpać korzyści z przyspieszenia rozwoju innowacji dzięki AI.

    Syed Alam, który jest liderem branży zaawansowanych technologii w Accenture, podkreślił w wywiadzie dla portalu EE Times, że generatywna AI znajduje zastosowanie przede wszystkim w produkcji i łańcuchach dostaw, gdzie wspiera proces wytwarzania chipów. „Generatywna sztuczna inteligencja ma potencjał do poprawy wykorzystania i wydajności układów scalonych, pomagając w kontroli jakości i planowaniu produkcji” — stwierdził Alam. Dodatkowo, można zauważyć, że optymalizacja łańcucha dostaw poprzez monitorowanie i identyfikowanie kluczowych punktów w tym procesie jest kolejnym obszarem, w którym ta technologia może przynieść korzyści. Alam zaznaczył również, że projektowanie jest dziedziną, w której sztuczna inteligencja może odegrać znaczącą rolę. Dzięki niej możliwe jest przyspieszenie wprowadzania na rynek nowych produktów, a także zarządzanie złożonością w całym cyklu życia układu scalonego, na przykład poprzez szybkie prototypowanie i łatwiejszy dostęp do kompletnych cyfrowych dokumentacji produktowych. „Początek ery generatywnej AI oznacza dla firm z branży półprzewodnikowej konieczność radykalnej zmiany sposobu pracy” — podkreślił Alam. „Należy położyć duży nacisk zarówno na rozwój operacyjny, jak i na szkolenie pracowników, tak samo, jak na postęp w samej technologii”.

    AI prowadzi w optymalizacji

    Tetsu Ho, menedżer sektora mobilnej pamięci DRAM w firmie Winbond Electronics Corporation, podczas wyłącznego wywiadu dla EE Times podkreślił potencjał sztucznej inteligencji do zrewolucjonizowania sposobu projektowania i produkcji układów scalonych poprzez poprawę wydajności, redukcję defektów i zwiększenie sprawności pracy. „Jesteśmy przekonani, że AI może przyczynić się do optymalizacji czasu cyklu projektowania, takiego jak rozmieszczenie obwodów i symulacja sprawności energetycznej”. W kontekście procesu projektowania, Ho zauważył, że algorytmy uczenia maszynowego (ML) można wykorzystać do optymalizacji wydajności chipów. Sztuczna inteligencja może również wspomagać generowanie nowych architektur układów scalonych oraz usprawnić samo rozmieszczenie tych elementów, co przekłada się na zwiększenie wydajności przy jednoczesnym zmniejszeniu zużycia energii w systemie. Ponadto technologię tę uda się potencjalnie spożytkować w dalszej optymalizacji projektu, umożliwiając przewidywanie zachowania układu scalonego w różnych scenariuszach w celu weryfikacji możliwych nieprawidłowości. Podobnie w produkcji, sztuczna inteligencja może być wykorzystywana do identyfikowania i korygowania problemów na linii produkcyjnej, a także do analizy danych z czujników, aby wychwytywać defekty w chipach podczas procesu wytwórczego. Dodatkowo, może kierować dostosowaniami procesu w celu redukcji liczby tych nieprawidłowości oraz podniesienia wydajności w przyszłości.

    Kolejnym obszarem, w którym ta technologia przypuszczalnie przyniesie korzyści, jest poprawa kontroli jakości. Dzięki swoim możliwościom jest w stanie identyfikować defekty, które są trudne do zauważenia przez człowieka, takie jak mikrorysy czy pęknięcia, które są zbyt małe, aby były widoczne gołym okiem. AI może przyspieszyć wzrost efektywności procesu wytwarzania, zwłaszcza w przypadku zaawansowanych produktów węzłów technologicznych oraz zoptymalizować cykl postępu dzięki dużej ilości danych zebranych podczas analizy produkcji.

    Czy AI nigdy nie będzie projektowało samodzielnie układów scalonych..?
    Bill Dally z Nvidia
    Najbardziej bezpośredni wpływ sztucznej inteligencji na projektowanie układów scalonych polega jednak na zwiększeniu produktywności poprzez ograniczenie liczby godzin poświęconych przez ludzi na powtarzalne zadania, jednocześnie zmniejszając zakres błędów, jakie są podczas nich popełniane. Przykładowo, firma Nvidia prowadzi obecnie badania nad wykorzystaniem AI w procesie projektowania poprzez automatyczne rozmieszczanie bloków makr za pomocą narzędzia DREAMPlace (AutoDMP) we współpracy z University of Texas. Bill Dally (na zdjęciu po prawej), główny naukowiec w Nvidia, w wywiadzie udzielonym portalowi EE Times opowiedział szeroko o tym projekcie. AutoDMP korzysta z narzędzia analitycznego open-source DREAMPlace jako mechanizmu rozmieszczania, które równocześnie lokuje bloki makr i komórki wraz z wykorzystaniem struktury głębokiego uczenia (DL) PyTorch do szkolenia sieci neuronowej. Dally podkreślił, że DREAMPlace charakteryzuje się wysoką wydajnością, co umożliwia przeprowadzenie wielu prób i zdobycie nowej wiedzy, chociaż nie jest to framework głębokiego uczenia, które obecnie najbardziej kojarzy się z AI.

    Dally zaznaczył, że istnieje wiele sprawdzonych metod rozmieszczania bloków makr, ale ręczne znalezienie optymalnego rozwiązania wymaga dużo czasu. Jest to kluczowy aspekt procesu projektowania chipu, ponieważ ma znaczący wpływ na strukturę samego układu, rzutując bezpośrednio na różne wskaźniki, takie jak powierzchnia struktury i zużycie energii. W obecnych czasach większość układów cyfrowych integruje w sobie wiele bloków makr, zazwyczaj są to pamięci lub bloki analogowe, które często są znacznie większe od standardowych modułów cyfrowych w tego rodzaju systemach. Badania nad AutoDMP pokazały nie tylko skuteczność łączenia programów akcelerowanych przez GPU z wielocelową optymalizacją parametrów AI/ML, ale również doprowadziły do odkrycia nowych technik eksploracji przestrzeni projektowej.

    Prosta sztuczna inteligencja przyspiesza proces projektowania

    Wykorzystanie AI w projektowaniu chipów nie musi być skomplikowane. Jej prawdziwa wartość polega na uwolnieniu ludzi od powtarzalnych zadań, jednocześnie zmniejszając liczbę błędów i zwiększając precyzję. Dally z Nvidia wspomniał, że firma używa sztucznej inteligencji, realizując algorytmy uczenia się przez wzmacnianie do projektowania bibliotek komórek za pomocą narzędzia o nazwie NVCell. „To lepsze niż to, co mogą zrobić ludzie”. Przykładem, który podał Dally, jest przejście z technologii 5 nm na 3 nm, co wymagałoby przearanżowania 2500 ogniw w bibliotece, jednocześnie zachowując złożone zasady nowoczesnego projektowania. Wcześniej 10-osobowemu zespołowi zajmowało to osiem miesięcy. Teraz ta praca może być wykonana w nocy na GPU. Jest to przykład, w którym AI staje się narzędziem zwiększającym produktywność, pozwalającym projektantom zredukować nakłady pracy i skupić się na podejmowaniu decyzji na wyższym poziomie. Dzięki oszczędzaniu czasu na przechodzenie do nowego procesu mogą oni skoncentrować się na bardziej wartościowych zadaniach. „Oszczędzamy czas ludzi, dzięki czemu możemy osiągnąć więcej przy mniejszej liczbie pracowników” — zaznaczył Dally.

    Jednak, jak podkreśla Dally, celem nie jest eliminacja jednostek. Przeciwnie, chodzi o zwiększenie możliwości projektantów. W Nvidia wiele jest świetnych pomysłów na kolejne układy scalone, a narzędzia sztucznej inteligencji mają wspierać osoby zaangażowane, pozwalając im osiągnąć więcej przy ich tworzeniu w dostępnym dla nich czasie. Bez instrumentów zwiększających produktywność, wiele zadań nie zostanie przeprowadzonych z powodu ograniczenia czasowego, jak wskazuje Dally. Dzięki sztucznej inteligencji inżynierowie mogą skupić się na większym zakresie działań, przy zachowaniu tej samej liczby osób w zespole, a jednocześnie podnosząc efektywność. Ponadto, dane szkoleniowe z poprzednich projektów mogą być spożytkowane w nowych w celu przyspieszenia dalszych procesów. Firma może skorzystać z archiwum projektów, które wcześniej opracowała, i zużytkować je do szkolenia narzędzi. W ten sposób narzędzia sztucznej inteligencji uczą się, jakie decyzje podejmowali projektanci w tych przedsięwzięciach i mogą je powtórzyć w nowych projektach układów scalonych. Dally podkreślił jednak, że dobre projektowanie chipów wymaga kreatywności i doświadczenia. AI jest skuteczna w określonych i ograniczonych scenariuszach. „Sztuczna inteligencja najlepiej sprawdza się w optymalizacji rzeczy, gdy podjęte zostały już kluczowe decyzje”.

    Firma Lam Research również prowadzi badania nad optymalnym sposobem kooperacji między ludźmi a AI w celu zoptymalizowania projektowania chipów. Wraz ze wzrostem złożoności towarzyszącej coraz mniejszym rozmiarom układów, potrzeba precyzji i dokładności staje się większa. W ostatnim badaniu opublikowanym w Nature, firma przedstawiła różnice między współpracą ludzi i maszyn a projektantami lub samą sztuczną inteligencją.

    Czy AI nigdy nie będzie projektowało samodzielnie układów scalonych..?
    Przedsiębiorstwo Lam Research stworzyło wirtualne środowisko pozwalające szybko przetestować, jak dobrze dane algorytmy mogą znaleźć odpowiednią recepturę kontrolującą interakcje plazmy z płytką krzemową (substratem).


    Czy AI nigdy nie będzie projektowało samodzielnie układów scalonych..?
    Rick Gottscho
    z Lam Research
    Podczas briefingu udzielonego dziennikarzom EE Times, Rick Gottscho (na zdjęciu po lewej), wiceprezes wykonawczy i doradca dyrektora generalnego Lam Research, podzielił się swoimi spostrzeżeniami na temat współpracy między ludźmi a sztuczną inteligencją. Jego zdaniem najlepszym podejściem wydaje się kooperacja, w której człowiek jest zaangażowany na początku, a później wspomagany przez komputer. Gottscho przytoczył badanie, w którym inżynierowie i algorytmy komputerowe firmy Lam zmierzyli się ze sobą w celu opracowania optymalnej receptury dla procesów wytrawiania plazmowego na poziomie atomowym, stosowanych w produkcji urządzeń półprzewodnikowych. Wykorzystanie sztucznej inteligencji pozwoliło na automatyzację pracochłonnych aspektów badań i rozwoju, umożliwiając inżynierom skoncentrowanie się na bardziej wymagających zagadnieniach.

    Gottscho zauważył, że projektowanie chipów jest coraz bardziej wyrafinowane, a automatyzacja procesów staje się niezbędna. Jednak w przypadku procesorów trudno było znacząco skorzystać z projektowania wspomaganego komputerowo. Tworzenie receptur dla procesów osadzania plazmowego jest wyzwaniem, ponieważ istnieje ogromna liczba różnych kombinacji, które mogą mieć wpływ na jakość struktur chipa. Wybór optymalnej formuły spośród tak wielu możliwości jest trudny. Gottscho zwrócił uwagę, że podczas tworzenia tych receptur każdy eksperyment zazwyczaj zajmuje wiele czasu i kosztuje tysiące dolarów, co czyni generowanie dużych zbiorów danych niepraktycznym. W celu rozwiązania tego problemu, naukowcy z Lam Research zdecydowali się przeprowadzić eksperymenty w świecie wirtualnym. Stworzyli oni wirtualne środowisko symulujące proces osadzania plazmowego, które było równie realistyczne i frustrujące jak rzeczywiste. Przeprowadzenie tych doświadczeń pozwoliło na wydatne obniżenie kosztów i przyspieszenie porównywania różnych algorytmów. Jednym z kluczowych wyników badania było odkrycie, że analitycy danych i ich ulubione algorytmy uczenia maszynowego nie radziły sobie tak dobrze, jak doświadczeni inżynierowie. Zarówno ci bardziej obeznani, jak i młodsi szybko przyswajali wiedzę i osiągali postępy. Badanie pokazało również, że istnieje punkt, w którym inżynierowie przechodzili z fazy satysfakcjonujących rezultatów do frustracji, gdy nie udawało im się osiągnąć dalszych istotnych wyników. To właśnie działania w tym etapie pochłaniają najwięcej czasu i pieniędzy. Gottscho podkreślił, że mimo zaawansowania sztucznej inteligencji i jej roli w projektowaniu chipów, dobre efekty wymagają kreatywności i doświadczenia ludzi.

    Firma Lam Research kontynuuje obecnie badania nad optymalnym sposobem współpracy między ludźmi a AI, aby dalej doskonalić proces projektowania chipów. Wraz ze wzrostem złożoności i wymagań dotyczących dokładności, które towarzyszą coraz mniejszym rozmiarom układów, rola sztucznej inteligencji i ludzkiej ekspertyzy będzie jeszcze bardziej istotna.

    Ludzie są niezbędni, aby przezwyciężyć nieprawidłowości projektowe

    AI potrzebuje ludzkiego wkładu celem rozwiązywania problemów projektowych — tak podsumował Gottscho swoje spostrzeżenia. Badania wykazują, że istnieje moment, w którym sztuczna inteligencja może przejąć kontrolę, korzystając z wiedzy i doświadczenia inżynierów. Praca ludzi uczy algorytmy, które potem mogą być szybko wykorzystane, aby zająć się wolniejszymi i bardziej frustrującymi fragmentami procesu. Celem jest zwiększenie produktywności ludzi. Gottscho podkreślił, że hybrydowe podejście jest konieczne. Maszyny bez znajomości dziedziny są jak noworodki — brakuje im połączeń i zdolności do nauki. Sztuczna inteligencja nie zastąpi ludzi w dziedzinie projektowania półprzewodników w bliskiej przyszłości. Potrzebny jest czas, aby AI mogła się nauczyć. Konieczne jest stworzenie sposobu na skodyfikowanie wcześniejszego ludzkiego doświadczenia i wiedzy.

    Kluczem do sukcesu jest spożytkowanie umiejętności i pasji jednostek w tych częściach pracy, które sprawiają im radość, ponieważ osiągają wtedy szybkie postępy. Kiedy operacje stają się monotonne i uciążliwe, wówczas można przekazać to maszynom, które są w tym lepsze, uważa Gottscho.

    Wniosek jest prosty — współpraca sztucznej i ludzkiej inteligencji są nieodzowne w branży projektowania półprzewodników. Chociaż AI może odciążyć człowieka od powtarzalnych czynności i przyspieszyć niektóre aspekty procesu projektowego, to ludzka kreatywność, wiedza i doświadczenie nadal odgrywają kluczową rolę. Choć AI może przynieść wiele korzyści, nie jest w stanie w pełni zastąpić człowieka w tym procesie. Sztuczna inteligencja może optymalizować wydajność, identyfikować problemy i poprawiać kontrolę jakości, jednak konieczne jest hybrydowe podejście, w którym ludzkie doświadczenie i kreatywność są nadal niezastąpione.

    A Wy, jak uważacie? Czy AI w przyszłości będzie miała większe znaczenie w projektowaniu układów scalonych, czy też człowiek będzie zawsze wiódł prym? Jakie są Wasze obawy (lub nadzieje?) związane z rozwojem AI w tej dziedzinie? Czy są jakieś aspekty projektowania, w których widzisz szczególne wyzwania dla AI? Zapraszamy do podzielenia się swoimi myślami i rozpoczęcia dyskusji na ten temat!

    Źródło: https://www.eetimes.com/ai-cant-design-chips-without-people/

    Fajne? Ranking DIY
    O autorze
    ghost666
    Tłumacz Redaktor
    Offline 
    Fizyk z wykształcenia. Po zrobieniu doktoratu i dwóch latach pracy na uczelni, przeszedł do sektora prywatnego, gdzie zajmuje się projektowaniem urządzeń elektronicznych i programowaniem. Od 2003 roku na forum Elektroda.pl, od 2008 roku członek zespołu redakcyjnego.
    https://twitter.com/Moonstreet_Labs
    ghost666 napisał 11960 postów o ocenie 10197, pomógł 157 razy. Mieszka w mieście Warszawa. Jest z nami od 2003 roku.
  • #2 20695250
    acctr
    Poziom 37  
    Kiedyś układy scalone projektowano na desce kreślarskiej, w końcu zaczęto używać komputerów i stopniowo przeniesiono na nie cały proces
    Podobnie będzie z AI. Obecnie wykorzystuje się narzędzia optymalizacji w elementarnych operacjach, ale nadejdzie moment, że AI na podstawie otrzymanych wymagań będzie w stanie zaprojektować cały układ
    Pomogłem? Kup mi kawę.
  • #3 20695466
    bialy
    Poziom 16  
    acctr napisał:
    Kiedyś układy scalone projektowano na desce kreślarskiej, w końcu zaczęto używać komputerów i stopniowo przeniesiono na nie cały proces
    Podobnie będzie z AI. Obecnie wykorzystuje się narzędzia optymalizacji w elementarnych operacjach, ale nadejdzie moment, że AI na podstawie otrzymanych wymagań będzie w stanie zaprojektować cały układ


    W przypadku gotowych komponentów pewnie tak - jeśli będzie miało coś wymyślić od 0 to nie jest to takie trywialne
  • #4 20695590
    acctr
    Poziom 37  
    Takie ma być zastosowanie AI - wykonywanie nietrywialnych zadań. Coś co jest trywialne i powtarzalne można zrealizować za pomocą prostych albo bardziej złożonych maszyn wykonujących jakiś algorytm.
    Pomogłem? Kup mi kawę.
  • #5 20695859
    bialy
    Poziom 16  
    acctr napisał:
    Takie ma być zastosowanie AI - wykonywanie nietrywialnych zadań. Coś, co jest trywialne i powtarzalne, można zrealizować za pomocą prostych albo bardziej złożonych maszyn wykonujących jakiś algorytm.

    AI trenujemy na danych - to w takim razie jak AI "coś" ma wykonać, czego jeszcze nie ma, bo jeszcze nie ma danych, na których może się uczyć....
    Jak będzie zastosowanie AI, to się dopiero dowiemy, bo jakie są założenia, to sam mogę napisać - muszę przyznać, że mam bujną i kreatywną duszę marketingowca ;)
  • #6 20696076
    acctr
    Poziom 37  
    bialy napisał:
    AI trenujemy na danych - to w takim razie jak AI "coś" ma wykonać, czego jeszcze nie ma, bo jeszcze nie ma danych, na których może się uczyć....

    Tak działa i to oferuje AI - swoim tylko znanym sposobem rozpoznaje lub wymyśla coś czego jeszcze nie znała.

    Przykład - zbiór danych testowych zawiera obiekty, których instancja AI nie poznała podczas nauki ze zbiorem danych uczących, pomimo tego klasyfikuje je z poprawnością 80%.
    Pomogłem? Kup mi kawę.
  • #7 20696194
    bialy
    Poziom 16  
    acctr napisał:
    bialy napisał:
    AI trenujemy na danych - to w takim razie jak AI "coś" ma wykonać, czego jeszcze nie ma, bo jeszcze nie ma danych, na których może się uczyć....

    Tak działa i to oferuje AI - swoim tylko znanym sposobem rozpoznaje lub wymyśla coś czego jeszcze nie znała.

    Przykład - zbiór danych testowych zawiera obiekty, których instancja AI nie poznała podczas nauki ze zbiorem danych uczących, pomimo tego klasyfikuje je z poprawnością 80%.


    Jasne a świstak siedzi i zawija, takie bajki to my ale nie nam ...
  • #8 20696213
    acctr
    Poziom 37  
    bialy napisał:
    Jasne a świstak siedzi i zawija, takie bajki to my ale nie nam ...

    Takie "bajki" zostały urzeczywistniane już 30 lat temu na polskich uczelniach.
    Skrypt prof. R. Tadeusiewicza z 1993 na temat sieci neuronowych: https://winntbg.bg.agh.edu.pl/skrypty/0001/0001.pdf
    Wspomniane "bajki" są na stronie 122.

    Chyba nie muszę przekonywać, że obecnie AI jest nieco bardziej zaawansowana.
    Pomogłem? Kup mi kawę.
  • #9 20696739
    Grzegorz_madera
    Poziom 38  
    acctr napisał:
    Tak działa i to oferuje AI - swoim tylko znanym sposobem rozpoznaje lub wymyśla coś czego jeszcze nie znała.
    Tak jak Elektrodabot. Jak czegoś nie wie, to na szybko wymyśli niestworzone rzeczy, mające się nijak do rzeczywistości.
  • #10 20696763
    viayner
    Poziom 43  
    Witam,
    dołączam się do dyskusji.
    Zauważcie, że mózgi istot "rozumnych" działają na podstawie wnioskowania, ale aby to mogło się odbywać, musi być baza danych na dany temat - u ludzi nazywana wiedzą. Na podstawie tego wybierane są pewne skojarzenia i powstaje coś nowego, co nie zawsze ma sens czy działa. Da się ująć wnioskowanie czy przewidywanie matematycznie, a więc użycie podobnych zachowań przez AI nie jest tak dalekie od rzeczywistości.
    Wymyślanie niestworzonych rzeczy to efekt połączenia nadal ubogiego algorytmu i małej bazy danych, czyli odnosząc się do ludzkich porównań, oczekujemy od niemowlęcia rozwiązywania równań różniczkowych.
    Wracając do tematu postu, składanie nowego układu scalonego z gotowych klocków nie jest "wielką sztuką", a czy z takich kombinacji nie może powstać coś nowego? Przykładowo, po "złożeniu" kilku bloków mamy nową interesującą funkcję, całość jest optymalizowana i mamy nowy blok funkcjonalny, który dalej może być używany jak "klocek".
    Pozdrawiam
  • #11 20696772
    miszcz310
    Poziom 24  
    bialy napisał:
    W przypadku gotowych komponentów pewnie tak - jeśli będzie miało coś wymyślić od 0 to nie jest to takie trywialne

    Dokładnie. Pamiętajcie, że przypadku krzemu mamy ile lat prac (na ogromną skalę i za ogromne pieniądze!) jakieś 60, może więcej jakby doliczyć badania nad kryształami jako takimi?
    AI to jest po prostu algorytm który nie wiadomo do końca jak działa (co dokładnie robi w środku). Jak nie ma danych to nie dopasuje żadnego modelu. a bajki o 80% to można sobie między bajki włożyć (może te 80% działą dla prostych sieci neuronowych, dla małowymiarowych danych, ale taki chatGPT, czy maszynka do optymalizacji układów scalonych to musi być jakiś moloch).
  • #12 20696994
    Sofeicz
    Poziom 20  
    acctr napisał:
    Takie ma być zastosowanie AI - wykonywanie nietrywialnych zadań. Coś co jest trywialne i powtarzalne można zrealizować za pomocą prostych albo bardziej złożonych maszyn wykonujących jakiś algorytm.


    Tylko to co dzisiaj wydaje się nietrywialne, za rok (albo i wcześniej) będzie trywialne.
    Pamiętam jak swego czasu twierdzono, że np. maszyna nigdy nie wygra z człowiekiem w GO, a dzisiaj to bułka z masłem.
  • #13 20697335
    Marcin125
    Poziom 28  
    Taa... Szachy... Go.. pokażcie mi AI które wygra w brydża.
  • #15 20697374
    Marcin125
    Poziom 28  
    Czyżby?

    "Czy to oznacza, że sztuczna inteligencja gra lepiej od brydżystów?

    To jednak znacznie uproszczenie rywalizacji – komentuje dr Łukasz Witkowski, właściciel i wykładowca WawaBrydż.
    Brydż rozpoczyna się od fazy licytacji, w której współpraca z partnerem jest kluczowa. Mimo dość dobrych systemów i zachowań robotów w licytacji jednostronnej, czyli gdy przeciwnicy pasują i nie biorą aktywnego udziału, w licytacji dwustronnej mają znacznie większe problemy. Podobne zjawiska obserwujemy u ludzi, szczególnie mniej doświadczonych brydżystów, którzy także są podatni na konwencje destrukcyjne, czyli blokowanie, co wynika ze względu na ogrom informacji, które trzeba wziąć pod uwagę, a które często nie są dostępne i trzeba przyjąć pewne założenia. Często są to sekwencje, w których nawet doświadczeni brydżyści nigdy się nie znajdowali.

    Z jednej strony jest to historyczne zwycięstwo robotów napędzanych sztuczną inteligencją, które wcześniej pokonały ludzi w szachy oraz Go, ale gwoli ścisłości – wyłącznie w fazie brydżowej rozgrywki, czyli jednym z elementów, kontrolowanym środowisku, co do którego zostały przeszkolone. W licytacji czekałoby na roboty dużo więcej niespodzianek. Podsumowując, w pełnej grze w brydża, która mogłaby być sprawdzona meczem 4 robotów przeciwko 4 brydżystom mógłby paść zupełnie odmienny rezultat."
  • #16 20697412
    vodiczka
    Poziom 43  
    Marcin125 napisał:
    Podsumowując, w pełnej grze w brydża, która mogłaby być sprawdzona meczem 4 robotów przeciwko 4 brydżystom, mógłby paść zupełnie odmienny rezultat."
    Znamienne jest użycie miękkiego stwierdzenia "mógłby paść zupełnie odmienny rezultat" zamiast twardego "na obecnym etapie AI nie ma szans w licytacji przeciwko ludziom".
    Nie znam zasad turnieju Nukkai Challenge ale jeżeli nie zostały zmienione na potrzeby AI to z czym masz problem?
  • #17 20697502
    pixel7
    Poziom 23  
    viayner napisał:
    Zauważcie, że mózgi istot "rozumnych" działają na podstawie wnioskowania, ale aby to mogło się odbywać, musi być baza danych na dany temat - u ludzi nazywana wiedzą. Na podstawie tego wybierane są pewne skojarzenia i powstaje coś nowego, co nie zawsze ma sens czy działa. Da się ująć wnioskowanie czy przewidywanie matematycznie, a więc użycie podobnych zachowań przez AI nie jest tak dalekie od rzeczywistości.

    Człowiekowi przyświeca zawsze jakiś cel. Np. rozwiązać problem, zarobić dużo kasy, wskoczyć tam gdzie nikt dotąd, itp. A AI czym się kieruje?
  • #18 20697650
    brofran
    Poziom 40  
    pixel7 napisał:
    Człowiekowi przyświeca zawsze jakiś cel. Np. rozwiązać problem, zarobić dużo kasy, wskoczyć tam gdzie nikt dotąd, itp. A AI czym się kieruje?

    Wyłącznie tym : rozwiązać problem , ............zatem nie traci czasu na " pierdoły " .[/b]
  • #19 20697713
    Marcin125
    Poziom 28  
    vodiczka napisał:
    Nie znam zasad turnieju Nukkai Challenge ale jeżeli nie zostały zmienione na potrzeby AI to z czym masz problem?
    Ale wiesz, że "naukowcy" lubią też robić pod siebie? (cokolwiek by to nie znaczyło)

    Polecam książki Macieszczaka i Korwina-Mikke: "Brydż" i "Brydż sportowy". Są tam takie rozdania, że widzisz wszystkie "ręce" i nie umiesz ugrać kontraktu a potem okazuje się, że się da. ;)
  • #20 20697946
    vodiczka
    Poziom 43  
    Marcin125 napisał:
    Ale wiesz, że "naukowcy" lubią też robić pod siebie? (cokolwiek by to nie znaczyło)
    Nadal nie rozumiem, dlaczego gdy dałem link pokazujący, że AI wygrała w turnieju brydżowym to odpowiadasz "wygrała ale....''
    Kolejny etap "niemożności AI" został przełamany, za kilka/kikanaście lat zostanie przełamany następny - efektywna współpraca dwóch AI w zespołowej grze przeciwko dwóm ludziom, zamiast jednej przeciwko jednemu człowiekowi.
  • #21 20697963
    pixel7
    Poziom 23  
    brofran napisał:
    pixel7 napisał:
    Człowiekowi przyświeca zawsze jakiś cel. Np. rozwiązać problem, zarobić dużo kasy, wskoczyć tam gdzie nikt dotąd, itp. A AI czym się kieruje?

    Wyłącznie tym : rozwiązać problem , ............zatem nie traci czasu na " pierdoły " .[/b]


    Właśnie! tylko czy to zaleta czy wada?
    Jak uczy historia większość "wynalazków" to przypadek. Ktoś chciał jedno, wyszło drugie, bo się zapomniał, zezłościł, zmienił koncepcję w trakcie... A AI nie będzie tracić czasu na pierdoły.
    Bez człowieka i jego emocji, bez "ludzkiego" spojrzenia na świat te wygenerowane rozwiązania mogą nie być skuteczne i akceptowalne.
  • #22 20697974
    vodiczka
    Poziom 43  
    pixel7 napisał:
    Bez człowieka i jego emocji, bez "ludzkiego" spojrzenia na świat te wygenerowane rozwiązania mogą nie być skuteczne i akceptowalne.
    Wystarczy gdy na 10 wygenerowanych, jedno będzie skuteczne i akceptowalne.
    AI może pracować 24h/dobę, nie żąda podwyżki, urlopu wypoczynkowego i macierzyńskiego, nie strajkuje...
    Może zachorować (np. zaifekowana wirusem) a nawet umrzeć ale nie ma ludzi i AI niezastąpionych.

    Od dawna modeluje się komputerowo, nowe wielkocząsteczkowe związki chemiczne pod kątem produkcji nowych leków. Modelowanie ogranicza żmudną pracę laboratoryjną ale nie rozstrzyga definitywnie, które związki warto syntetyzować a które nie. Wyboru modeli i ich kwalifikacji do etapu laboratoryjnej syntezy, dokonuje człowiek.
  • #23 20697993
    viayner
    Poziom 43  
    Witam,
    Może taki problem do porównania/przemyslenia:
    - Załóżmy, że AI obecnie jest na poziomie zbliżonym/niższym od człowieka pierwotnego.
    - Czy wszystkie wynalazki/tworczości człowieka pierwotnego były skuteczne czy akceptowalne?
    - To jest właśnie rozwój, a nawet ewolucja. Tworzymy coś, co nie działa, i coś, co działa, i przez wnioskowanie wybieramy ścieżkę do kontynuacji.
    - Wszystko rozbija się o nadal małą moc AI i skromną bazę danych.
    Pozdrawiam
  • #24 20698024
    acctr
    Poziom 37  
    Grzegorz_madera napisał:
    Tak jak Elektrodabot. Jak czegoś nie wie, to na szybko wymyśli niestworzone rzeczy, mające się nijak do rzeczywistości.

    W artykule mowa jest o specjalistycznym narzędziu. ElektrodaBot to ChatGPT, który został stworzony do pogadanek z ludźmi, i bazuje na wiedzy ogólnej. To co potrafi zależy od ustawień i zapewne od kwoty subskrypcji.
    Coraz szersza obecność AI nie zwalnia z myślenia i odróżniania ChatGPT od przykładowo AlphaFold. Nie ma więc co porównywać narzędzia do projektowania US z chatbotem.
    miszcz310 napisał:
    Pamiętajcie, że przypadku krzemu mamy ile lat prac (na ogromną skalę i za ogromne pieniądze!) jakieś 60, może więcej jakby doliczyć badania nad kryształami jako takimi?

    Nie ma sensu tego porównywać, technologia się zmienia, niektóre procesy wykonuje się obecnie w godzinę, a 40 lat temu robiło się miesiącami.

    Wspomniany AlphaFold służy do predykcji struktury przestrzennej białek na podstawie ich składu. To był problem żmudnie rozwiązywany w ciągu 60 lat, przez naukowców różnych dziedzin.
    Zależność struktury od białek nie jest znana a liczba ich kombinacji przekracza rozmiar wszechświata.
    AlphaFold nie znając tych zależności z łatwością przewiduje kolejne białka zgodne z rzeczywistością.
    Co znaczy nie znając zależności - nie zostały one podane jawnie podczas uczenia. AI samodzielnie je "wyekstrahowała", następnie wykorzystała w sobie tylko znany sposób do przewidywania struktur białek.

    Jak widać AI nie trzeba bronić bo AI broni się sama.
    Pomogłem? Kup mi kawę.
  • #25 20698025
    pixel7
    Poziom 23  
    vodiczka napisał:
    Wystarczy gdy na 10 wygenerowanych, jedno będzie skuteczne i akceptowalne.

    vodiczka napisał:

    Wyboru modeli i ich kwalifikacji do etapu laboratoryjnej syntezy, dokonuje człowiek.


    A co jeśli ilość ilość propozycji będzie 10x, 100x tyle?
    Rzesze kwalifikujących?
    Kolejny dyskryminator AI po drodze, nota bene o tej samej percepcji co tworzący?

    Wszystko i tak sprowadza się do motywacji człowieka który klasyfikuje. To on podejmie ostateczną decyzję. Czy aby na pewno obiektywną?
  • #26 20698055
    vodiczka
    Poziom 43  
    pixel7 napisał:
    A co jeśli ilość ilość propozycji będzie 10x, 100x tyle?
    Dotyczących jednego zagadnienia? Nie będzie bo AI w przeciwieństwie do twórców "100 różnych rozwiązań PM" jest jednak inteligencją.
    Poprosisz ją o trzy najlepsze jej zdaniem propozycje? Przedstawi 3, poprosisz o następne 5, przedstawi 5.
    Poprosisz o kolejne 5 odpowie - nie mam tylu i co mi zrobisz ;)
  • #27 20698170
    pixel7
    Poziom 23  
    vodiczka napisał:

    Poprosisz ją o trzy najlepsze jej zdaniem propozycje? Przedstawi 3, poprosisz o następne 5, przedstawi 5.


    I wracamy do puntu wyjścia - będą to jej kryteria wyboru, czy moje?
    Właśnie to widzimisię odróżnia nas od niej, a w zasadzie definiuje inteligencję...
  • #29 20698285
    acctr
    Poziom 37  
    pixel7 napisał:
    I wracamy do puntu wyjścia - będą to jej kryteria wyboru, czy moje?
    Właśnie to widzimisię odróżnia nas od niej, a w zasadzie definiuje inteligencję...

    AI jest wytrenowana na jakiejś funkcji celu, czym może być cokolwiek co sobie wymyślisz. Jeżeli AI będzie w stanie uzyskiwać zadawalające wyniki w znajdywaniu optimum tej funkcji, wtedy można jej zacząć używać do rozwiązywania realnych problemów.
    Co jednak gdy AI podsuwa człowiekowi nieakceptowalne dla niego rozwiązania?
    Wtedy mamy dwie opcje:
    - AI podała złe rozwiązanie
    - AI podała dobre rozwiązanie, ale człowiek tego nie rozumie.
    W przypadku drugim człowiek jest niepewny czy rozwiązanie się sprawdzi czy nie, powstaje element ryzyka.
    Tak to wygląda obecnie w szachach - gracze i sędziowie obserwują uważnie grę i jeśli któryś z graczy wykonuje nieprzewidywalne i nieoczywiste ruchy, znaczy, że wspomaga się AI.

    Tak więc widzimisię maszyny może wynikać z jej szerszej perspektywy widzenia problemu, nieosiągalnej dla człowieka.
    Natomiast widzimisię człowieka wynika ze słabostek, emocji, nałogów, czyli istnienia "garba ewolucji".
    Pomogłem? Kup mi kawę.
  • #30 20699294
    rafi8112
    Poziom 13  
    Niestety muszę się zgodzić z kolegą @acctr choć bym nie chciał bo osobiście bardzo mnie to przeraża. Ludzkie dążenie do ciągłego postępu nie ma granic i kiedyś zgubi nasz gatunek. Bo tu już powinna się zapalić czerwona lampka - skoro doszliśmy do takiego momentu, że nie wiemy w jaki sposób coś działa i rozwiązuje realne problemy to może być to dla nas realnym zagrożeniem i łatwo wymknąć się spod kontroli.
    Prawda jest taka, że problemy do rozwiązania dla nas ludzi trudne są dla AI stosunkowo łatwe do rozwiązania - natomiast to co jest dla nas oczywiste, wręcz automatyczne jest bardzo trudne dla AI. Mówię tu o paradoksie Moraveca. Jego streszczenie z Wikipedii jest następujące:

    "W ośrodkach zmysłowych i motorycznych ludzkiego mózgu zakodowane jest miliard lat doświadczenia o naturze świata i o tym, jak w nim przetrwać. Świadomy proces, który nazywamy myśleniem jest, według mnie, cieniutką warstewką ludzkich myśli, efektywną tylko dzięki wsparciu o wiele starszej i o wiele potężniejszej, choć zwykle nieuświadomionej, wiedzy motorycznej. Jesteśmy wszyscy wybitnymi olimpijczykami w dziedzinie percepcji i zdolności motorycznych, tak dobrymi, że trudne zadania wydają nam się łatwe. Myśl abstrakcyjna jednak jest nową zdolnością, być może młodszą niż 100 tys. lat. Nie opanowaliśmy jej jeszcze dobrze. Nie jest ona sama z siebie wcale trudna – tylko taka się wydaje, gdy my ją wykonujemy."

Podsumowanie tematu

W dyskusji poruszono temat możliwości sztucznej inteligencji (AI) w projektowaniu układów scalonych. Uczestnicy zauważają, że AI może wspierać procesy projektowe, jednak całkowite zastąpienie ludzkich inżynierów jest wciąż odległe. Wskazano na postępy w wykorzystaniu algorytmów uczenia maszynowego do optymalizacji projektów, ale podkreślono, że AI potrzebuje danych do nauki, co ogranicza jej zdolność do tworzenia innowacji od podstaw. Wspomniano również o historycznych osiągnięciach AI w grach, takich jak szachy i Go, oraz o wyzwaniach związanych z bardziej złożonymi grami, jak brydż. Uczestnicy dyskusji zwracają uwagę na różnice w podejściu AI i ludzi do rozwiązywania problemów oraz na potencjalne zagrożenia związane z autonomicznymi decyzjami AI.
Podsumowanie wygenerowane przez model językowy.
REKLAMA