В Університеті штату Нью-Йорк успішно розробили напівпровідниковий чип без використання мови опису апаратури (HDL). Використовуючи звичайну англійську мову, дослідники створили опис процесора за допомогою ChatGPT. Чип був розроблений, виготовлений та функціонує нормально.
У ході експерименту створено не повноцінний CPU, як ті, що встановлені у комп’ютерах чи смартфонах. Це вузол на основі 8-бітних акумуляторів – регістрів, у яких зберігаються результати проміжних обчислень до отримання кінцевого результату. Такі вузли є неодмінним елементом архітектури процесорів. Можливо, у результаті подібних досліджень будуть отримані й інші логічні блоки.
Частина роботи, виконана ChatGPT полягала в перекладі з людської мови на HDL. Ґрунтуючись на її результатах, дослідники заявили, що очікують від подібної технології менше помилок, які зазвичай пов’язані з людським фактором. Також зростає продуктивність, що дозволить витрачати менше часу на проєктування та швидше виводити чипи на ринок. Зараз робота з HDL – надзвичайно складна та спеціалізована справа, навичками в якій важко опанувати.
«Велика проблема з мовами опису апаратури полягає в тому, що небагато людей вміє на них писати. Стати у них експертом досить складно. Це означає, що найкращі інженери змушені займатися чорновою роботою – фахівців не так багато», — доктор Хаммонд Пірс, член дослідницької групи.
Дослідники використовували комерційні та загальнодоступні LLM для роботи над вісьмома прикладами проєктування. У режимі живої двосторонньої взаємодії англійський текст перекладався у його еквівалент на HDL Verilog.
«Це дослідження призвело до того, що, на нашу думку, є першим повністю згенерованим штучним інтелектом HDL, придатним для виготовлення фізичного чипа. Деякі моделі ШІ, такі як ChatGPT від OpenAI та Bard від Google, можуть генерувати програмний код різними мовами програмування, але їх застосування в розробці апаратного забезпечення ще недостатньо вивчене. Це дослідження показує, що ШІ може принести користь при виробництві обладнання, особливо, коли він використовується у діалоговому режимі, коли ви можете постійно вдосконалювати дизайн».
В обробці даних за допомогою великих мовних моделей (LLM) важливим є питання довіри до її результату, який залишається відкритим. По суті, робота таких ШІ є «чорною скринькою»: як це відбувається, незрозуміло самим розробникам LLM. Очевидно, що їхня робота має недоліки – про це свідчать відомі випадки «брехні» ШІ. Ніщо не гарантує розробленим за їх допомогою програм відсутності помилок. Як видно з логічної схеми, робота передбачає чотири рівні контролю помилок та фінальний контроль.
Одна з гіпотетичних уразливостей такого процесу – можливість зараження мовної моделі невірними даними на етапі навчання. Теоретично, крім простого отримання невірних даних на виході, таким чином можна впроваджувати бекдори, створити «мутуючий» шкідливий код і т.д.
Вже створено кілька інструментів автоматизації дизайну електроніки (EDA), що демонструють результати в компонуванні мікросхем та інших пов’язаних роботах. Говорити про усунення з процесу людини поки що не доводиться, але поріг входження до цієї складної галузі знань може значно знизитися.
Скрипти Python «ремонтують» себе самі за допомогою GPT-4 завдяки програмі Wolverine
Джерело: Tom”s Hardware
Favbet Tech – це ІТ-компанія зі 100% українською ДНК, що створює досконалі сервіси для iGaming і Betting з використанням передових технологій та надає доступ до них. Favbet Tech розробляє інноваційне програмне забезпечення через складну багатокомпонентну платформу, яка здатна витримувати величезні навантаження та створювати унікальний досвід для гравців. IT-компанія входить у групу компаній FAVBET.