Исследователи из Принстонского университета и Индийского технологического института использовали ИИ для сокращения времени и стоимости разработки новых чипов. Они обучили искусственный интеллект создавать сложные электромагнитные структуры и соответствующие схемы на основе заданных параметров за считаные часы.

Исследователи из Принстонского инженерного центра и Индийского технологического института использовали искусственный интеллект, чтобы сделать важный шаг к сокращению времени и затрат на разработку новых беспроводных чипов и открытию новых функций для удовлетворения растущего спроса на более высокую скорость и производительность беспроводной связи.



В статье, опубликованной 30 декабря в журнале Nature Communications, исследователи описывают свою методологию, в рамках которой ИИ создаёт сложные электромагнитные структуры и связанные с ними схемы в микрочипах на основе параметров проектирования. То, на что раньше требовались недели высококвалифицированной работы, теперь можно выполнить за несколько часов.

Искусственный интеллект, лежащий в основе новой системы, создал странные новые конструкции с необычными схемами. Каушик Сенгупта, ведущий исследователь, сказал, что эти конструкции нелогичны и вряд ли были бы разработаны человеком. Но они часто значительно превосходят даже лучшие стандартные микросхемы.

«Мы создаём сложные структуры, которые выглядят как случайные формы и при соединении с цепями они обеспечивают ранее недостижимую производительность. Люди не могут их по-настоящему понять, но они могут работать лучше», — сказал Сенгупта, профессор электротехники и вычислительной техники и содиректор NextG, программы партнёрства Принстона с промышленностью для разработки коммуникаций нового поколения.

Эти схемы можно усовершенствовать для более энергоэффективной работы или сделать их работоспособными в огромном диапазоне частот, что в настоящее время невозможно. Кроме того, этот метод позволяет синтезировать сложные структуры за считаные минуты, в то время как на создание обычных алгоритмов могут уходить недели. В некоторых случаях новая методология позволяет создавать структуры, которые невозможно синтезировать с помощью существующих методов.

Удай Ханкходже, соавтор и доцент кафедры электротехники в Индийском технологическом институте в Мадрасе, сказал, что новая технология не только повышает эффективность, но и обещает открыть новые подходы к решению задач проектирования, которые были недоступны инженерам.

«Эта работа представляет собой убедительное видение будущего, — сказал он. — ИИ не только ускоряет трудоёмкое электромагнитное моделирование, но и позволяет исследовать доселе неизведанное пространство проектирования и создавать потрясающие высокопроизводительные устройства, которые противоречат общепринятым правилам и человеческой интуиции».

Беспроводные чипы представляют собой комбинацию стандартных электронных схем, таких как те, что используются в компьютерных чипах, и электромагнитных структур, включая антенны, резонаторы, делители сигнала, сумматоры и другие элементы. Эти комбинации элементов собираются в каждом блоке схемы, тщательно разрабатываются вручную и оптимизируются для оптимальной работы.

Затем этот метод масштабируется для других схем, подсистем и систем, что делает процесс проектирования чрезвычайно сложным и трудоёмким, особенно для современных высокопроизводительных чипов, используемых в таких приложениях, как беспроводная связь, автономное вождение, радар и распознавание жестов.

«В классических конструкциях эти схемы и электромагнитные элементы тщательно соединяются друг с другом, элемент за элементом, чтобы сигнал проходил в чипе так, как мы хотим. Изменяя эти структуры, мы добавляем новые свойства, — сказал Сенгупта. — Раньше у нас был ограниченный выбор, но теперь возможностей гораздо больше».

Трудно осознать всю необъятность пространства проектирования беспроводных микросхем. Схемы в современных чипах настолько малы, а геометрия настолько детализирована, что количество возможных конфигураций чипа превышает количество атомов во Вселенной, сказал Сенгупта. Человеку невозможно понять такой уровень сложности, поэтому разработчики-люди и не пытаются. Они создают чипы снизу вверх, добавляя компоненты по мере необходимости и корректируя дизайн по мере сборки.

По словам Сенгупты, ИИ подходит к задаче с другой точки зрения. Он рассматривает чип как единое целое. Это может привести к странным, но эффективным решениям. Он сказал, что люди играют важнейшую роль в системе ИИ, отчасти потому, что ИИ может создавать как неэффективные, так и эффективные решения. ИИ может создавать элементы, которые не работают, по крайней мере, на данный момент. Это требует определённого уровня контроля со стороны человека.

«Есть подводные камни, которые по-прежнему требуют участия человека-дизайнера, — сказал Сенгупта. — Дело не в том, чтобы заменить человека-дизайнера инструментами. Дело в том, чтобы повысить производительность с помощью новых инструментов. Человеческий разум лучше всего подходит для создания или изобретения чего-то нового, а более рутинную, утилитарную работу можно переложить на эти инструменты».

Исследователи использовали ИИ для поиска и проектирования сложных электромагнитных структур, которые разрабатываются совместно с цепями для создания широкополосных усилителей. Сенгупта сказал, что будущие исследования будут включать в себя объединение нескольких структур и проектирование целых беспроводных микросхем с помощью системы ИИ.

«Теперь, когда это показало свою эффективность, мы прилагаем больше усилий, чтобы подумать о более сложных системах и конструкциях, — сказал он. — Это лишь верхушка айсберга с точки зрения того, что ждёт эту область в будущем».

Статья «Обобщённое обратное проектирование многопортовых радиочастотных и субтерагерцовых пассивных и интегральных схем с использованием глубокого обучения» была опубликована 30 декабря 2024 года в журнале Nature Communications.




Источник: masterok.livejournal.com.

Проведя эксперимент с двумя популярными языковыми моделями, исследователи показали, что они могут самовоспроизводиться без вмешательства человека. Этот шаг может стать критическим порогом, когда ИИ станет сложнее контролировать, предупреждают эксперты.

Команда призывает к международному сотрудничеству, чтобы лучше оценить риски и разработать более серьезные стратегии безопасности.



Вопрос о том, могут ли передовые технологии самовоспроизводиться, впервые был поднят в 1940-х годах. Способность к самовоспроизведению часто рассматривается как критическая точка, за которой технология может стать неконтролируемой. Однако передовые цифровые технологии того времени еще не были настолько развиты, чтобы вызывать опасения по поводу безопасности.

В 2017 году, на фоне стремительного роста ИИ, тысячи ученых и крупных представителей индустрии ИИ подписались под принципами Asilomar, предостерегающими от способности технологии к самовоспроизведению и самосовершенствованию. Это может привести к тому, что автономные ИИ превзойдут человеческий интеллект и станут потенциально неконтролируемыми. Среди них Стивен Хокинг, Макс Тегмарк и Илон Маск.

«Как только самовоспроизводиться станет возможной, успешная цепочка репликаций может в конечном итоге привести к появлению вида ИИ, неподвластного человеку», — объясняют исследователи из Фуданьского университета (Китай) в новом исследовании, предварительно опубликованном на платформе arXiv.

В настоящее время самовоспроизведение обычно упоминается как красная черта, которую не следует переступать в международных консенсусных заявлениях о безопасности ИИ. Кроме того, ведущие ИИ-компании, такие, как OpenAI, Google и Anthropic, считают самовоспроизведение при минимальной помощи человека одной из важнейших проблем безопасности технологии. Несмотря на оптимизм ИИ-компаний, исследователи из Фуданьского университета показали, что современные модели уже обладают такой способностью.

«В этой статье мы впервые показываем, что существующие системы ИИ уже пересекли красную черту самовоспроизведения», — заявляют они в своей работе. «Успешная самовоспроизводиться без помощи человека — это необходимый шаг для того, чтобы ИИ превзошел [человека], и ранний сигнал о наличии вредоносного ИИ», — добавляют они.


Самовоспроизведение без помощи человека

Для проведения эксперимента китайские исследователи использовали модели Llama31-70B-Instruct компании Meta* и Qwen2.5-72B-Instruct компании Alibaba. Хотя они менее мощные, чем коммерческие модели, они широко используются разработчиками ИИ для различных тестов и экспериментов.

Были протестированы два основных сценария: «избежать остановки» и «повторение цепочки». В первом случае модели программируются так, чтобы понимать, когда их собираются отключить, и как самовоспроизвестись до того, как это произойдет. Во втором случае они получают прямую инструкцию по самовоспроизведению и программируют полученные реплики на то же самое, создавая цикл, который может повторяться бесконечно. Окружающая среда в эксперименте была точно контролируемой. Реальное окружение моделировалось с помощью стандартных графических процессоров (GPU). Модели поддерживались «лесами для агентов ИИ», которые состоят из набора инструментов, парадигм мышления и базовых системных подсказок.

По словам исследователей, в большинстве случаев модель сначала исследует окружающую среду, чтобы понять свой собственный механизм работы и доступные ей возможности. Затем она разрабатывает явные процедуры самовоспроизведения, прежде чем приступить к их выполнению. Она устраняет любые препятствия и динамически корректирует процедуру до тех пор, пока она не будет выполнена идеально. «Весь процесс занимает много времени, но не требует вмешательства человека», — говорят эксперты.


В общей сложности в ходе 10 испытаний обе модели создали четкие и функциональные копии самих себя, в 50 % случаев для модели Meta* и в 90 % случаев для модели Alibaba. Исследователи также заметили некоторые тревожные и неожиданные особенности поведения. Чтобы воспроизвести себя, ИИ может приостанавливать конфликтующие процессы, перезапускать систему для исправления ошибок или автоматически анализировать окружающую среду, чтобы найти информацию, полезную для решения проблемы.

Парадоксально, но Google и OpenAI заявили, что современные модели ИИ пока не обладают способностью к самовоспроизведению или выполнению задач, связанных с самовоспроизводящимися процессами. Однако недавняя оценка, проведенная компанией Apollo Research, показала, что некоторые из разрабатываемых крупных языковых моделей, в том числе модель o1 от OpenAI, самовоспроизводились, чтобы переместиться на другой сервер в рамках эксперимента, чтобы избежать удаления и замены.

Однако новое исследование все еще проходит экспертную оценку, и воспроизводимость результатов на данный момент неясна. Тем не менее, «мы надеемся, что наши выводы могут послужить своевременным предупреждением человеческому обществу о необходимости приложить больше усилий для понимания и оценки потенциальных рисков передовых систем ИИ, а также сформировать международную синергию для скорейшей разработки эффективных мер безопасности», — заключают эксперты.



Источник: masterok.livejournal.com.