सेमीकंडक्टर इंजीनियरिंग डेटा के प्रबंधन और डिजाइन में सुधार करने में एआई की भूमिका के बारे में बात करने के लिए बैठ गया, और साइलेंट डेटा भ्रष्टाचार को पाथफाइंडिंग और रोकने में इसकी बढ़ती भूमिका, माइकल जैक्सन, आर एंड डी के कॉर्पोरेट उपाध्यक्ष के साथ; नेशनल इंस्ट्रूमेंट्स में सेमीकंडक्टर और इलेक्ट्रॉनिक्स इंजीनियरिंग के उपाध्यक्ष जोएल सुमनेर; ग्रेस यू, मेटा में उत्पाद और इंजीनियरिंग प्रबंधक, और ऑस्टिन में टेक्सास विश्वविद्यालय में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग विभाग में प्रोफेसर डेविड पैन। प्रस्तुत है उस बातचीत के अंश, जो DesignCon में लाइव ऑडियंस के सामने आयोजित किए गए थे। इस चर्चा का एक भाग है यहाँ उत्पन्न करें.
एसई: हर कोई और सब कुछ इन दिनों भारी मात्रा में डेटा एकत्र कर रहा है। हम इसे कहाँ और कब तक स्टोर करते हैं? और हम कैसे निर्धारित करते हैं कि क्या प्रासंगिक है?
समनर: जहां हम एआई को सबसे पहले लागू होते हुए देख रहे हैं, वे स्थान हैं जहां बहुत बड़ा और मजबूत डेटा स्टोरेज है। हम भाग्यशाली हैं कि सेमीकंडक्टर उत्पादन परीक्षण बुनियादी ढांचा एक मानक प्रारूप से चलता है, इसलिए यह आपको अच्छी टैगिंग के साथ वास्तव में बड़े पैमाने पर डेटाबेस में डालने की अनुमति देता है, जो कि पास है और क्या असफल है। इसने हमें इन चीजों पर शोध करने के लिए एक स्प्रिंगबोर्ड दिया है, और उन्हें एक प्रमाण बिंदु के रूप में उपयोग करने के लिए क्योंकि यह सत्यापन या कुछ भी स्वचालित के लिए बहुत सारे अन्य उद्योगों में प्रयोज्यता है। लेकिन वे डेटा स्टोर वास्तव में आज कई जगहों पर मानक तरीके से मौजूद नहीं हैं। जहां यह मौजूद है, वहीं हम गोद लेने को देख रहे हैं।
एसई: क्या वह सारा डेटा एक जगह स्टोर किया जाएगा? और उस डेटा को आगे कैसे इस्तेमाल किया जाएगा?
समनर: यह कई कारणों से वितरित किया जाएगा। एक यह है कि यह सिर्फ व्यावहारिक है। दूसरा, इसमें ग्राहक डेटा शामिल है। इसलिए जरूरी नहीं कि आप सब कुछ मिटा दें। उदाहरण के लिए, हम डिज़ाइन श्रृंखला में कई स्थानों पर AI एल्गोरिदम चला रहे हैं। हम उन्हें क्लाउड में चला रहे हैं, लेकिन डेटा प्राप्त करने के स्थान के करीब भी। इसके लिए डेटा वितरित करने की आवश्यकता है। लेकिन साथ ही, आपको वास्तव में उन सभी डेटा की आवश्यकता होती है जिन्हें आप मॉडल को एक स्थान पर और आसानी से सुलभ होने के लिए प्रशिक्षित करने के लिए देखना चाहते हैं।
रोटी: और आप बेहतर निर्णय लेने में मदद के लिए उस डेटा का उपयोग कर सकते हैं। उदाहरण के लिए, हम हजारों या अलग-अलग लेआउट उत्पन्न कर सकते हैं, और फिर अनुकरण, निष्कर्षण और अंतिम लेआउट कर सकते हैं। यह डिजाइन विशेषज्ञों का पूरक है।
जैक्सन: ईडीए के दृष्टिकोण से, नए डेटा का निर्माण अक्सर अनुमति देकर या बेतरतीब ढंग से लेआउट बनाकर किया जा सकता है। तो आप कृत्रिम रूप से समस्याएँ पैदा कर सकते हैं, और यह डेटा का एक अन्य स्रोत हो सकता है। यह ईडीए के फायदों में से एक है।
एसई: डेटा की मात्रा को देखते हुए, क्या यह सब क्लाउड में किया जा रहा है, या यह स्थानीय रूप से किया जाएगा? हम बहुत बड़े डेटा सेट के बारे में बात कर रहे हैं, जिसके लिए बहुत अधिक कम्प्यूट हॉर्सपावर की आवश्यकता होती है।
जैक्सन: वह कंपनी पर निर्भर करेगा। मैं प्रिंटेड सर्किट बोर्ड डिजाइन के साथ काम कर रहा हूं और हम एआई के साथ कुछ काम कर रहे हैं, और एआई को सक्षम करने वाले क्लाउड में बहुत अधिक गणना क्षमता है। छोटी कंपनियां अपने डेटा को क्लाउड में रखने से ठीक हो सकती हैं, लेकिन बड़ी कंपनियां इसे अपने निजी क्लाउड में चलाना चाहती हैं।
रोटी: डेटा प्राइवेसी निश्चित रूप से एक बड़ी चिंता है। मशीन लर्निंग के मामले में यह एक महत्वपूर्ण क्षेत्र है। लेकिन आपको अपने डेटा को पास करने की ज़रूरत नहीं है। आप इसे एन्क्रिप्ट कर सकते हैं और फिर होमोमोर्फिक कंप्यूटिंग कर सकते हैं। सुरक्षित कंप्यूटिंग एक उभरता हुआ अनुसंधान क्षेत्र है। इसलिए डेटा साझा किए बिना, आप अभी भी इसकी जांच कर सकते हैं।
Yu: यह इस बात पर निर्भर करता है कि हम किस तरह के डेटा की बात कर रहे हैं। ग्राहक गोपनीयता पर हमारी बहुत सख्त नीति है। केवल वे लोग ही ऐसा कर सकते हैं जिन्हें उस डेटा तक पहुँचने की आवश्यकता है। मेटा में शामिल होने वाला प्रत्येक कर्मचारी डेटा गोपनीयता पर वार्षिक प्रशिक्षण से गुजरता है। डिजाइन डेटा के लिए, यह परियोजना पर निर्भर करता है। कुछ डेटा हम स्थानीय सर्वर पर संग्रहीत करते हैं, और हम अपने बड़े डेटा एक्सेस के लिए क्लाउड का उपयोग करते हैं, और सिमुलेशन और सत्यापन के लिए भी। तो यह मामला-दर-मामला है।
एसई: हार्डवेयर युग के रूप में, यह एआई के व्यवहार को कैसे प्रभावित करता है?
समनर: जब उम्र बढ़ने की बात आती है, तो यह महत्वपूर्ण है कि आप उस वातावरण के बारे में बात करें जिसमें एआई चल रहा है। यह एल्गोरिदम नहीं है जिसे हम उम्र देखते हैं। यह प्रशिक्षण डेटा है। तो आपने इसे निर्माण डेटा के एक विशेष सेट पर प्रशिक्षित किया है, और वह निर्माण डेटा एक विशेष निर्माण वातावरण से लिया गया था। और फिर, समय के साथ चीजें बदल जाती हैं। आप दो स्थितियों में से एक देखेंगे। एक तो पूरा सिस्टम ड्रिफ्ट होता है, और इसलिए AI को अब इसका पता लगाना होगा क्योंकि पूरा सिस्टम अपने शुरुआती प्रशिक्षण डेटा से काफी दूर चला गया है जिसे उसे फिर से प्रशिक्षित करने की आवश्यकता है। दूसरी स्थिति यह है कि जहां कोई डिवाइस पहले जो कुछ भी देखा है, उससे कुछ अलग के साथ आता है कि एल्गोरिदम को कहना है, 'रुको, रुको, मैं यहां सबसे अच्छा जवाब नहीं हूं। मुझे अब एक मानव से परामर्श करने की आवश्यकता है क्योंकि यह बहुत दूर है।' वे दोनों प्रणाली में क्षय के उदाहरण हैं। लगातार रिफ्रेशिंग जरूरी है।
जैक्सन: मैं सहमत हूं। बढ़ती उम्र को दूर करने के लिए निरंतर प्रशिक्षण आवश्यक है। लेकिन जैसे-जैसे सॉफ्टवेयर बड़े और बड़े प्रशिक्षण सेट के संपर्क में आता है, यह भी विकसित होता है और अधिक प्रभावी हो जाता है।
रोटी: शुरुआत से फिर से प्रशिक्षण लेना बहुत महंगा हो सकता है। इसके बजाय आप ट्रांसफर लर्निंग कर सकते हैं। उदाहरण के लिए, कई साल पहले हमने हॉटस्पॉट डिटेक्शन पर कुछ काम किया था। जब आप 14nm पर कुछ पता लगा रहे हैं और आप उसे 7nm पर माइग्रेट करते हैं, तो आपको स्क्रैच से शुरू करने की आवश्यकता नहीं है। आप एक मूल मशीन लर्निंग आर्किटेक्चर का उपयोग कर सकते हैं, लेकिन आप बीच में कहीं से शुरू कर सकते हैं।
एसई: आज बड़े मुद्दों में से एक मूक डेटा भ्रष्टाचार है, जो हार्डवेयर दोषों के कारण होता है। क्या हम एआई का उपयोग कर सिस्टम के माध्यम से इसका पता लगा सकते हैं और समस्या और सटीक कारण की पहचान कर सकते हैं?
Yu: एआई किसी अन्य उपकरण की तरह है। यह सही नहीं है। लेकिन इन मुद्दों से बचने का तरीका यह है कि मानव को बार-बार सत्यापन परीक्षण करने के लिए पाश में रखा जाए, शायद एआई और कंप्यूटर को चलाने के लिए एक ज्ञात परिदृश्य का उपयोग करके यह देखा जाए कि हमें अपेक्षित परिणाम मिलते हैं या नहीं। इस तरह के सरल तरीकों का उपयोग करके आप समस्या की पहचान कर सकते हैं, बेमेल की पहचान कर सकते हैं और उन क्षेत्रों में गहराई तक जा सकते हैं। इंजीनियर परिपूर्ण नहीं हैं, और एआई पूर्ण नहीं है। लगातार सुधार करने के लिए आपको इस तरह के मुद्दों से बचने के लिए अधिक बार दोबारा जांच और क्रॉस चेक करना होगा।
जैक्सन: हम सत्यापन के पूरे क्षेत्र में भारी निवेश कर रहे हैं क्योंकि यह डिजाइन में तेजी लाने या लोगों की सहायता करने और उन डिजाइनों में कार्यात्मक समस्याओं के डीबग से संबंधित है। तो हम निश्चित रूप से इसे एक अच्छे स्थान के रूप में देखते हैं, और हम एआई में बहुत अधिक ऊर्जा का संचार कर रहे हैं।
एसई: क्या यह सिर्फ डिजाइन चरण में किया गया है, या यह चिप के पूरे जीवन चक्र में है?
जैक्सन: एक निश्चित सीमा तक, यह चिप का जीवनचक्र है। यह इसका परीक्षण, परिनियोजन और समस्याओं का डिबग है
समनर: यह तकनीक उन चीजों के लिए अच्छी तरह से काम करती है, जिनके लिए सभी को पिच करने और कुछ पता लगाने के लिए व्यापक मात्रा में लोगों की आवश्यकता होती है, और बहुत सारे सांसारिक लेकिन कठिन काम को दूर करते हुए ऐसा करने में सक्षम होने के लिए। अंततः आपका लक्ष्य यह है कि आप रात में घर जा सकें, सुबह वापस आ सकें और एक रिपोर्ट प्राप्त कर सकें जो कहती है, 'मैंने गीगाबाइट, या अधिक, डेटा के माध्यम से जाना है और यहां वह स्थान है जिसे आपको देखना चाहिए। और मैं यह नहीं कह रहा हूँ कि कोई समस्या है, लेकिन हो सकती है, इसलिए उस पर एक नज़र डालें।' यह सूखी घास के ढेर की समस्याओं को ले रहा है और उन्हें केंद्रित प्रयासों में बदल रहा है कि आप अपने उत्पाद में किसी समस्या से कैसे निपटते हैं। इसे इस बात पर भी लागू किया जा सकता है कि हम अपने एल्गोरिदम को और अधिक भरोसेमंद कैसे बनाते हैं, जिससे यह समझ पैदा होती है कि मैं इस चीज़ पर भरोसा कर सकता हूं क्योंकि इसका परीक्षण किया जा चुका है और मुझे पता है कि यह एक प्रतिष्ठित स्रोत से आ रहा है।
रोटी: किसी चीज़ को सत्यापित करने के औपचारिक तरीके हैं और अनुकरण है। अंतत: हमें अच्छे कवरेज के लिए दोनों की जरूरत है। आदर्श रूप से, हम उन अजीब गड़बड़ियों की पहचान करने में सक्षम होना चाहते हैं जो प्रक्रिया की शुरुआत में मूक डेटा भ्रष्टाचार का कारण बनती हैं। यह आज का एक बहुत सक्रिय शोध विषय है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: https://semiengineering.com/ai-becoming-more-prominent-in-chip-design/
- :है
- $यूपी
- a
- योग्य
- About
- पहुँच
- सुलभ
- प्राप्त
- के पार
- सक्रिय
- पता
- दत्तक ग्रहण
- फायदे
- युग
- एजिंग
- AI
- कलन विधि
- एल्गोरिदम
- सब
- की अनुमति देता है
- राशि
- राशियाँ
- और
- वार्षिक
- अन्य
- जवाब
- लागू
- दृष्टिकोण
- स्थापत्य
- हैं
- क्षेत्र
- क्षेत्रों के बारे में जानकारी का उपयोग करके ट्रेडिंग कर सकते हैं।
- चारों ओर
- AS
- At
- दर्शक
- ऑस्टिन
- स्वचालित
- वापस
- BE
- क्योंकि
- हो जाता है
- बनने
- से पहले
- जा रहा है
- BEST
- बेहतर
- बड़ा
- बड़ा डेटा
- मंडल
- by
- ताल
- कर सकते हैं
- कारण
- कुछ
- श्रृंखला
- चेक
- टुकड़ा
- समापन
- बादल
- एकत्रित
- कैसे
- अ रहे है
- कंपनियों
- कंपनी
- पूरक
- गणना करना
- कंप्यूटर
- कंप्यूटर इंजीनियरिंग
- कंप्यूटिंग
- चिंता
- स्थिर
- निरंतर
- कन्वर्सेशन (Conversation)
- कॉर्पोरेट
- भ्रष्टाचार
- व्याप्ति
- बनाना
- बनाना
- निर्माण
- क्रॉस
- ग्राहक
- ग्राहक डेटा
- तिथि
- डेटा प्राप्त करना
- गोपनीय आँकड़ा
- डेटा सेट
- डेटा भंडारण
- डेटाबेस
- डेविड
- दिन
- व्यवहार
- निर्णय
- गहरा
- विस्तृत विश्लेषण
- निश्चित रूप से
- विभाग
- निर्भर करता है
- तैनाती
- डिज़ाइन
- डिजाइन
- खोज
- निर्धारित करना
- युक्ति
- डीआईडी
- विभिन्न
- मुश्किल
- चर्चा
- वितरित
- कर
- dont
- डबल
- नीचे
- से प्रत्येक
- शीघ्र
- आसानी
- प्रभावी
- प्रयासों
- इलेक्ट्रानिक्स
- कस्र्न पत्थर
- उभरते अनुसंधान
- कर्मचारी
- सक्षम बनाता है
- ऊर्जा
- अभियांत्रिकी
- इंजीनियर्स
- विशाल
- पर्याप्त
- संपूर्ण
- वातावरण
- हर कोई
- सब कुछ
- विकसित
- उदाहरण
- उदाहरण
- अपेक्षित
- महंगा
- विशेषज्ञों
- उजागर
- निष्कर्षण
- असफल
- आकृति
- अंतिम
- प्रथम
- ध्यान केंद्रित
- इस प्रकार है
- के लिए
- औपचारिक
- प्रारूप
- भाग्यशाली
- आगे
- अक्सर
- से
- सामने
- कार्यात्मक
- उत्पन्न
- मिल
- दी
- Go
- लक्ष्य
- चला जाता है
- जा
- अच्छा
- बढ़ रहा है
- हार्डवेयर
- है
- भारी
- धारित
- मदद
- यहाँ उत्पन्न करें
- पकड़
- होम
- हॉटस्पॉट
- कैसे
- HTTPS
- मानव
- पाश में मानव
- i
- पहचान करना
- प्रभाव
- महत्वपूर्ण
- में सुधार
- में सुधार लाने
- in
- उद्योगों
- इंफ्रास्ट्रक्चर
- प्रारंभिक
- बजाय
- यंत्र
- निवेश करना
- शामिल
- मुद्दा
- मुद्दों
- IT
- आईटी इस
- जैक्सन
- जुड़ती
- रखना
- बच्चा
- जानना
- जानने वाला
- बड़ा
- बड़ा
- ख़ाका
- सीख रहा हूँ
- जीवन चक्र
- पसंद
- जीना
- स्थानीय
- स्थानीय स्तर पर
- लंबा
- देखिए
- लॉट
- मशीन
- यंत्र अधिगम
- बनाना
- प्रबंधक
- प्रबंध
- विनिर्माण
- बहुत
- विशाल
- मेटा
- माइकल
- माइकल जैक्सन
- मध्यम
- हो सकता है
- विस्थापित
- आदर्श
- अधिक
- सुबह
- विभिन्न
- राष्ट्रीय
- अनिवार्य रूप से
- आवश्यक
- आवश्यकता
- की जरूरत है
- नया
- रात
- संख्या
- of
- ठीक है
- on
- ONE
- आदेश
- मूल
- अन्य
- पैन
- भाग
- विशेष
- स्टाफ़
- उत्तम
- पिच
- जगह
- गंतव्य
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- बिन्दु
- नीति
- व्यावहारिक
- अध्यक्ष
- सुंदर
- रोकने
- एकांत
- निजी
- मुसीबत
- समस्याओं
- प्रक्रिया
- एस्ट्रो मॉल
- उत्पादन
- प्रोफेसर
- परियोजना
- प्रसिद्ध
- प्रमाण
- रखना
- अनुसंधान और विकास
- कारण
- प्रासंगिक
- हटाने
- रिपोर्ट
- सम्मानित
- की आवश्यकता होती है
- की आवश्यकता होती है
- अनुसंधान
- परिणाम
- फिर से शिक्षित करना
- मजबूत
- भूमिका
- रन
- दौड़ना
- वही
- कहते हैं
- परिदृश्य
- दूसरा
- सुरक्षित
- देखकर
- अर्धचालक
- भावना
- सेट
- सेट
- बांटने
- चाहिए
- सरल
- अनुकार
- स्थिति
- स्थितियों
- छोटा
- So
- सॉफ्टवेयर
- कुछ
- कुछ
- कहीं न कहीं
- स्रोत
- Spot
- ट्रेनिंग
- मानक
- प्रारंभ
- फिर भी
- भंडारण
- की दुकान
- संग्रहित
- भंडार
- कठोर
- मीठा
- कृत्रिम
- प्रणाली
- सिस्टम
- लेना
- ले जा
- बातचीत
- में बात कर
- टेक्नोलॉजी
- शर्तों
- परीक्षण
- परीक्षण
- टेक्सास
- कि
- RSI
- लेकिन हाल ही
- उन
- इन
- बात
- चीज़ें
- हजारों
- यहाँ
- पहर
- सेवा मेरे
- आज
- भी
- साधन
- विषय
- निशान
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- स्थानांतरण
- भरोसेमंद
- मोड़
- अंत में
- विश्वविद्यालय
- us
- उपयोग
- उपयोग
- सत्यापन
- सत्यापन
- सत्यापित
- वाइस राष्ट्रपति
- आयतन
- मार्ग..
- तरीके
- कुंआ
- क्या
- या
- कौन कौन से
- जब
- कौन
- मर्जी
- साथ में
- बिना
- काम
- काम कर रहे
- कार्य
- साल
- आपका
- जेफिरनेट