CadenceLIVE - Semiwiki میں جنریٹو AI پر آراء

CadenceLIVE - Semiwiki میں جنریٹو AI پر آراء

ٹائم سٹیمپ: 18 مئی 2023 صبح 9:00 بجے
ماخذ نوڈ: 2661356

کچھ AI خواب دیکھنے والوں کے مطابق، ہم تقریباً وہاں ہیں۔ ہمیں اب ہارڈ ویئر یا سافٹ ویئر ڈیزائن کے ماہرین کی ضرورت نہیں رہے گی — بس کوئی ایسا شخص جو بنیادی تقاضوں کو داخل کرے جس سے پوری طرح سے محسوس ہونے والی سسٹم ٹیکنالوجیز دوسرے سرے سے باہر ہو جائیں۔ صنعت میں ماہرین کی آراء پرجوش لیکن کم ہائپربولک ہیں۔ TECHnalysis Research کے صدر، بانی اور چیف تجزیہ کار باب O'Donnell نے CadenceLIVE میں اس موضوع پر پینلسٹ روب کرسٹی (ٹیکنیکل ڈائریکٹر اور ممتاز انجینئر، امپلیمنٹیشن – سینٹرل انجینئرنگ سسٹمز ایٹ آرم)، پربل دتہ (ایسوسی ایٹ پروفیسر، الیکٹریکل انجینئرنگ) کے ساتھ ایک پینل کو ماڈریشن کیا۔ اور کمپیوٹر سائنسز، یونیورسٹی آف کیلیفورنیا، برکلے میں، ڈاکٹر پال کننگھم (سینئر نائب صدر اور کیڈنس میں سسٹم اینڈ ویری فکیشن گروپ کے جنرل منیجر)، کرس روون (وی پی آف انجینئرنگ، کولابریشن اے آئی سسکو میں) اور ایگور مارکوف (تحقیق) میٹا میں سائنسدان) — وہ لوگ جو چپ ڈیزائن اور AI کے بارے میں ہم میں سے زیادہ تر جانتے ہیں۔ تمام پینلسٹس نے قیمتی بصیرتیں پیش کیں۔ میں نے یہاں بحث کا خلاصہ کیا ہے۔

جنریٹو AI پر آراء

کیا جنریٹو AI چپ ڈیزائن کو تبدیل کرے گا؟

اتفاق رائے ہاں اور ناں میں تھا۔ AI ضروری بلڈنگ بلاک ٹکنالوجیوں کے اوپری حصے میں انسانی اندر کے زیادہ تر تعامل کو خودکار کر سکتا ہے: جگہ اور راستہ، منطق کی نقل، سرکٹ سمولیشن، وغیرہ۔ دستی ریسرچ کے ذریعے ممکن ہونے والے اختیارات۔

AI بنیادی طور پر امکانی ہے، مثالی جہاں امکانی جوابات مناسب ہوں (عام طور پر ایک بنیادی لائن پر بہتر ہو رہے ہوں) لیکن ایسا نہیں جہاں زیادہ درستگی لازمی ہو (جیسے سنتھیسائزنگ گیٹس)۔ مزید یہ کہ آج جنریٹیو ماڈل فیلڈز کے ایک محدود سیٹ میں بہت اچھے ہیں، ضروری نہیں کہ کہیں اور ہوں۔ مثال کے طور پر، وہ ریاضی کی درخواستوں میں بہت ناکارہ ہیں۔ یہ یاد رکھنا بھی ضروری ہے کہ وہ واقعی ہنر نہیں سیکھتے — وہ نقل کرنا سیکھتے ہیں۔ مثال کے طور پر الیکٹریکل انجینئرنگ، فزکس، یا ریاضی کی کوئی بنیادی سمجھ نہیں ہے۔ عملی استعمال میں، مضبوط تصدیق کے ساتھ کچھ حدود کو دور کیا جا سکتا ہے۔

اس نے کہا، وہ زبان کی ایپلی کیشنز میں کیا کر سکتے ہیں قابل ذکر ہے۔ دوسرے بڑے ڈومین مخصوص ڈیٹا سیٹس میں، جیسے کہ نیٹ ورکنگ میں، بڑے ماڈل ڈھانچہ سیکھ سکتے ہیں اور بہت سی دلچسپ چیزوں کا اندازہ لگا سکتے ہیں جن کا زبان سے کوئی تعلق نہیں ہے۔ آپ کچھ ڈومینز میں سپر لائنر سیکھنے کا تصور کر سکتے ہیں اگر سیکھنا دنیا بھر کے کارپورا کے خلاف چل سکتا ہے، یہ فرض کرتے ہوئے کہ ہم کانٹے دار IP اور رازداری کے مسائل میں مہارت حاصل کر سکتے ہیں۔

کیا تخلیقی طریقے مہارت کی نشوونما کو بڑھا سکتے ہیں؟

سیمی کنڈکٹر اور سسٹمز کے ڈیزائن میں، ہمیں ٹیلنٹ کی شدید کمی کا سامنا ہے۔ پینلسٹس کا خیال ہے کہ AI نوجوان، کم تجربہ کار انجینئرز کو زیادہ تجربہ کار کارکردگی کی سطح تک تیزی سے تیز کرنے میں مدد کرے گا۔ ماہرین بھی بہتر ہو جائیں گے، مائیکرو آرکیٹیکچرل اور نفاذ کی تحقیق میں مسلسل توسیع کرتے ہوئے نئی تکنیکوں کا مطالعہ کرنے اور ان کا اطلاق کرنے کے لیے زیادہ وقت ملے گا۔ یہ ایک یاد دہانی ہونی چاہیے کہ سیکھنے پر مبنی طریقے "ہر تجربہ کار ڈیزائنر کو جانتے ہیں" کے علم میں مدد کریں گے لیکن ہمیشہ ماہرانہ انداز کے پیچھے رہیں گے۔

کیا ایسے ٹولز ہمیں مختلف قسم کی چپس بنانے کی اجازت دیں گے؟ قریبی مدت میں، AI نئی قسم کے چپس کے بجائے بہتر چپس بنانے میں مدد کرے گا۔ جنریٹیو ماڈل مراحل کی ترتیب کے ساتھ اچھے ہیں۔ اگر آپ ایک ہی ڈیزائن کے عمل سے کئی بار گزر رہے ہیں، تو AI ان ترتیبوں کو ہم سے بہتر طور پر بہتر/خودکار بنا سکتا ہے۔ مزید برآں، پیدا کرنے والے طریقے ہمیں نئی ​​قسم کے AI چپس بنانے میں مدد کر سکتے ہیں، جو دلچسپ ہو سکتے ہیں کیونکہ ہم یہ سمجھ رہے ہیں کہ زیادہ سے زیادہ مسائل کو AI مسائل کے طور پر دوبارہ بنایا جا سکتا ہے۔

ایک اور دلچسپ علاقہ ملٹی ڈائی ڈیزائن میں ہے۔ ڈیزائن کے ماہرین کے لیے بھی یہ ایک نیا علاقہ ہے۔ آج، ہم پہلے سے طے شدہ لیگو ٹکڑوں کے طور پر بنائے گئے انٹرفیس کے ساتھ چپلیٹ بلاکس کے بارے میں سوچتے ہیں۔ جنریٹو AI بہتر آپٹیمائزیشن کو غیر مقفل کرنے کے نئے طریقے تجویز کر سکتا ہے، اس سے مختلف جوابات فراہم کرتا ہے حتیٰ کہ ماہرین جلد تلاش کر سکتے ہیں۔

نقصان

جنریٹو AI کو چپ اور یا سسٹم ڈیزائن پر لاگو کرنے کے ممکنہ نقصانات کیا ہیں؟ ہم خود ایک مسئلہ کی نمائندگی کرتے ہیں۔ اگر AI اچھا کام کر رہا ہے، تو کیا آپ اس پر اس سے زیادہ بھروسہ کرنا شروع کر دیتے ہیں؟ اسی طرح کے سوالات پہلے ہی خود مختار ڈرائیونگ اور خود مختار ہتھیاروں سے چلنے والے ڈرونز کے لیے تشویش کا باعث ہیں۔ اعتماد ایک نازک توازن ہے۔ ہم اعتماد کر سکتے ہیں لیکن تصدیق کر سکتے ہیں، لیکن پھر کیا ہوگا اگر تصدیق بھی پیچیدگی سے نمٹنے کے لیے سیکھنے پر مبنی ہو جائے؟ جب توثیق AI AI سے تیار کردہ ڈیزائن کی درستگی کو ثابت کر رہا ہے، تو ہم جائز اور ناجائز اعتماد کے درمیان کہاں لائن عبور کرتے ہیں؟

ChatGPT ایک احتیاطی مثال ہے۔ چیٹ جی پی ٹی کی بڑی دلچسپی اور بڑی غلطی یہ ہے کہ آپ اس سے کچھ بھی پوچھ سکتے ہیں۔ ہم مخصوص ذہانت اور اس حقیقت سے حیران ہیں کہ یہ بہت سے مختلف شعبوں پر محیط ہے۔ ایسا لگتا ہے جیسے خودکار عمومی انٹیلی جنس کا مسئلہ حل ہو گیا ہے۔

لیکن تقریباً تمام حقیقی دنیا کی ایپلی کیشنز بہت زیادہ تنگ ہوں گی، جن کا فیصلہ حیران کرنے یا تفریح ​​کرنے کی صلاحیت سے مختلف معیاروں پر کیا جائے گا۔ کاروبار، انجینئرنگ اور دیگر حقیقی دنیا کی ایپلی کیشنز میں ہم اعلیٰ معیار کے نتائج کی توقع کریں گے۔ اس میں کوئی شک نہیں کہ اس طرح کی ایپلی کیشنز میں بتدریج بہتری آئے گی، لیکن اگر ہائپ حقیقت سے بہت آگے نکل جائے تو توقعات ختم ہو جائیں گی، اور مزید پیشرفت پر اعتماد رک جائے گا۔

مزید عملی طور پر، کیا ہم قائم کردہ نکات کی مہارتوں کو تخلیقی نظاموں میں ضم کر سکتے ہیں؟ ایک بار پھر، ہاں اور نہیں. کچھ بڑھے ہوئے ماڈلز ہیں جو بہت نتیجہ خیز ہیں اور ریاضی اور فارمولے کی ہیرا پھیری کو سنبھالنے کے قابل ہیں، مثال کے طور پر، WolframAlpha جو پہلے ہی ChatGPT کے ساتھ مربوط ہے۔ WolframAlpha علامتی اور عددی استدلال فراہم کرتا ہے، جو AI کی تکمیل کرتا ہے۔ AI کو انسانی مشین کے انٹرفیس کے طور پر اور WolframAlpha اضافہ کو اس انٹرفیس کے پیچھے گہری سمجھ کے طور پر سمجھیں۔

کیا یہ ممکن ہے کہ اضافہ کو نظرانداز کرنا، سیکھنا اور مہارت کو براہ راست AI میں ماڈیولز کے طور پر لوڈ کرنا جیسا کہ Neo میٹرکس میں کنگ فو سیکھنے کے قابل تھا؟ زبان کے نمونوں میں اس طرح کی مہارتوں کی نمائندگی کتنی مقامی ہے؟ بدقسمتی سے، اب بھی، سیکھی ہوئی مہارتوں کی نمائندگی ماڈل میں وزن کے ذریعے کی جاتی ہے اور وہ عالمی ہیں۔ اس حد تک، تربیت یافتہ ماڈیول کو موجودہ تربیت یافتہ پلیٹ فارم پر توسیع کے طور پر لوڈ کرنا ممکن نہیں ہے۔

صرف اندرون ملک تربیت بمقابلہ دنیا بھر میں تربیت کی قدر کے بارے میں کچھ حد تک متعلقہ سوال ہے۔ نظریہ یہ ہے کہ اگر ChatGPT عالمی ڈیٹاسیٹ پر تربیت دے کر اتنا اچھا کام کر سکتا ہے، تو ڈیزائن ٹولز کو بھی ایسا کرنے کے قابل ہونا چاہیے۔ یہ نظریہ دو طرح سے ٹھوکر کھاتا ہے۔ سب سے پہلے، تربیت کے لیے درکار ڈیزائن کا ڈیٹا انتہائی ملکیتی ہے، اسے کسی بھی حالت میں کبھی بھی شیئر نہیں کیا جانا چاہیے۔ عالمی تربیت بھی غیر ضروری معلوم ہوتی ہے۔ EDA کمپنیاں ڈیزائن کی مثالوں کی بنیاد پر ایک معقول نقطہ آغاز فراہم کر سکتی ہیں جو معمول کے مطابق غیر AI ٹولز کو بہتر بنانے کے لیے استعمال ہوتی ہیں۔ اس بنیاد پر تعمیر کرنے والے، اپنے ڈیٹا کو استعمال کرنے کی تربیت، اپنے مقاصد کے لیے معنی خیز بہتری کی اطلاع دیتے ہیں۔

دوسرا، یہ واضح نہیں ہے کہ بہت سے مختلف ڈیزائن ڈومینز میں مشترکہ سیکھنا بھی فائدہ مند ہوگا۔ ہر کمپنی "بہترین طریقوں" کے کثیر مقصدی سوپ کے ذریعے نہیں بلکہ اپنے خاص فوائد کے لیے بہتر بنانا چاہتی ہے۔

AI میں دوبارہ استعمال کی امید ہے اور منتظر ہے۔

پہلے دیئے گئے جوابات، کیا ہم ہر تنگ ڈومین کے لیے منفرد ماڈلز کے ساتھ پھنس گئے ہیں؟ یہ واضح نہیں ہے کہ ایک فن تعمیر سب کچھ کر سکتا ہے، لیکن کھلے انٹرفیس صلاحیتوں کے ایک ماحولیاتی نظام کی حوصلہ افزائی کریں گے، شاید پروٹوکول اسٹیک کی طرح۔ ایپس مختلف ہو جائیں گی، لیکن پھر بھی بہت سا مشترکہ انفراسٹرکچر ہو سکتا ہے۔ اس کے علاوہ، اگر ہم ان ایپلی کیشنز کے بارے میں سوچتے ہیں جن کے لیے تربیت یافتہ ماڈلز کی ترتیب درکار ہوتی ہے، تو ان میں سے کچھ ماڈل دوسروں کے مقابلے میں کم ملکیتی ہو سکتے ہیں۔

آگے دیکھتے ہوئے، جنریٹو AI ایک تیز رفتار چلنے والی ٹرین ہے۔ نئے آئیڈیاز ماہانہ، یہاں تک کہ روزانہ ظاہر ہو رہے ہیں، لہٰذا جو آج ممکن نہیں وہ نسبتاً جلد ممکن ہو سکتا ہے یا مختلف طریقے سے حل ہو سکتا ہے۔ وسیع ڈیٹا سیٹس کی تربیت پر منحصر ہے کہ کسی بھی علاقے میں رازداری کے بڑے مسائل موجود ہیں۔ یہ ثابت کرنا کہ اس طرح کے معاملات میں سیکھا ہوا سلوک پیٹنٹ یا تجارتی راز کی خلاف ورزی نہیں کرے گا ایک بہت مشکل مسئلہ لگتا ہے، شاید اس طرح کی تربیت کو غیر حساس صلاحیتوں تک محدود کرنے سے گریز کیا جائے۔

تمام تر انتباہات کے باوجود، یہ نڈر ہونے کا علاقہ ہے۔ جنریٹو AI تبدیلی کا باعث ہوگا۔ ہمیں اپنی روزمرہ کی زندگی میں AI کا بہتر فائدہ اٹھانے کے لیے خود کو تربیت دینی چاہیے۔ اور بدلے میں، ڈیزائن ٹیکنالوجیز میں ہمارے استعمال کے لیے ہماری تعلیم کو مزید مہتواکانکشی بنانے کے لیے استعمال کرنا۔

زبردست گفتگو۔ امید ہے، حدود اور عملی ایپلی کیشنز کے بارے میں اچھی بصیرت کے ساتھ۔

بھی پڑھیں:

CadenceLIVE 2023 سے ٹیک ویز

کیڈینس لائیو میں انیرودھ کلیدی خطاب

پیٹری نیٹس DRAM پروٹوکول کی توثیق کر رہے ہیں۔ تصدیق میں جدت

اس پوسٹ کو بذریعہ شیئر کریں:

ٹائم اسٹیمپ:

سے زیادہ سیمی ویکی