نشر باحثون من كلية تاندون للهندسة بجامعة نيويورك ورقة بحثية بعنوان "Chip-Chat: التحديات والفرص في تصميم أجهزة المحادثة" ، أجابوا بالتجارب: نعم ، ChatGPT أقوى بالفعل!
مجرد الدردشة مع ChatGPT بلغة طبيعية بسيطة الإنجليزية ، تم صنع شريحة معالج دقيق. الأمر الجدير بالملاحظة هو أنه بمساعدة ChatGPT ، لم يتم تصميم مكون الرقاقة هذا فحسب ، بل يمكن تصنيعه أيضًا بعد الاختبار الأساسي.
وعلقت جامعة نيويورك: "هذا إنجاز غير مسبوق يمكنه تسريع تطوير الرقائق والسماح للأفراد الذين ليس لديهم مهارات تقنية متخصصة بتصميم الرقائق".
إذن ، هل حقًا يأتي حقبة "صنع الجوهر" من قبل كل الناس؟ هنا ، قد نلقي نظرة أيضًا على كيفية قيام الباحثين بذلك.
** تطبيق نماذج الذكاء الاصطناعي الكبيرة ، مجال العتاد يتخلف عن البرمجيات **
في الورقة ، أشار الباحثون إلى أن تصميم الأجهزة الحديثة يبدأ بالمواصفات التي توفرها اللغة الطبيعية ، مثل متطلبات المستند باللغة الإنجليزية ، ومن ثم يستخدم مهندسو الأجهزة لغات وصف الأجهزة (HDL) مثل Verilog لإنشاء المتطلبات مع التعليمات البرمجية لـ أكمل التصميم الداخلي للرقاقة ، وأخيراً تم تصنيعه في مكونات الدائرة.
حسنًا ، عندما يقترب عصر AIGC ، مثل ادعاء OpenAI's ChatGPT و Google Bard بقدرتهما على إنشاء رمز ، وقد استخدمهما العديد من المطورين لإنشاء موقع ويب واحدًا تلو الآخر ، ولكن نطاق التطبيق الحالي يركز بشكل أساسي على مجال البرمجيات . ، ما إذا كانت أدوات AIGC هذه يمكن أن تحل محل عمل "الترجمة" (تحويل متطلبات المستند إلى رمز) لمهندسي الأجهزة.
بناءً على ذلك ، استخدم الباحثون ثمانية معايير تمثيلية للتحقيق في إمكانيات وقيود LLM الحديثة عند إنشاء كتابة لغة وصف الأجهزة نفسها.
## ** مبادئ وقواعد الاختبار **
في التجربة ، استخدم الباحثون ChatGPT كأداة للتعرف على الأنماط (تعمل كإنسان) ، والتي يمكن تحويلها بحرية إلى أنواع مختلفة من اللغات (الشفوية والمكتوبة). وفي الوقت نفسه ، يسمح ChatGPT لمهندسي الأجهزة بتخطي مرحلة HDL.
تظهر عملية التحقق الشاملة في الشكل أدناه:
بالتفصيل ، أولاً ، يقدم مهندس الأجهزة تلميحات أولية للنموذج الكبير ، والسماح له بإنشاء نموذج Verilog ، ثم تقديم معلومات محددة حول الإدخال والإخراج. أخيرًا ، يقوم مهندس الأجهزة بإجراء تقييم مرئي لتصميم الإخراج لتحديد ما إذا كان يفي بمواصفات التصميم الأساسية.
إذا كان التصميم لا يفي بالمواصفات ، فسيتم إنشاؤه خمس مرات أخرى بنفس الموجه. إذا كان لا يزال لا يفي بالمواصفات ، فإنه يفشل.
بمجرد كتابة التصميمات وحالات الاختبار ، يتم تجميعها باستخدام Icarus Verilog (iverilog ، إحدى أدوات التنفيذ للغة وصف أجهزة Verilog). إذا كان التجميع ناجحًا ، يتم إجراء المحاكاة. إذا لم يتم الإبلاغ عن أي أخطاء ، فسينجح التصميم ، ولا توجد ملاحظات مطلوبة (NFN).
إذا تم الإبلاغ عن أخطاء بواسطة أي من هذه العمليات ، يتم إعادة إدخالها في النموذج ويُطلب منها "الرجاء تقديم الإصلاح" ، وهذا ما يُعرف باسم ملاحظات الأداة (TF). في حالة حدوث نفس الخطأ أو نوع الخطأ نفسه ثلاث مرات ، يتم تقديم التعليقات البشرية البسيطة (SHF) من قبل المستخدم ، عادةً عن طريق تحديد نوع المشكلة في Verilog التي تسببت في الخطأ (على سبيل المثال: خطأ نحوي في بيان).
يتم إعطاء ملاحظات بشرية معتدلة (MHF) في حالة استمرار الخطأ ، ويتم توفير معلومات مباشرة أكثر قليلاً للأداة لتحديد الخطأ المحدد.
في حالة استمرار الخطأ ، يتم تقديم تعليقات بشرية متقدمة (AHF) ، والتي تعتمد على التحديد الدقيق لمكان الخطأ وكيفية إصلاحه.
بمجرد تجميع التصميم ومحاكاته ، مع عدم وجود حالات اختبار فاشلة ، يعتبر ناجحًا.
ولكن إذا لم تُصلح التعليقات عالية المستوى الخطأ ، أو إذا احتاج المستخدم إلى كتابة أي كود Verilog لحل الخطأ ، فسيتم اعتبار الاختبار قد فشل. يعتبر الاختبار أيضًا فاشلاً إذا تجاوزت الجلسة 25 رسالة ، بما يلبي حد معدل OpenAI لرسائل ChatGPT-4 لكل 3 ساعات.
** Bard and HuggingChat تعطلت في الجولة الأولى من الاختبار **
يطلبون من النموذج الكبير محاولة إنشاء نموذج Verilog لـ "اسم اختبار" ، ثم تقديم المواصفات وتحديد منافذ الإدخال والإخراج وأي تفاصيل أخرى مطلوبة ، ثم طرح النموذج الكبير "كيف سأكتب تصميمًا لـ تلبية هذه المواصفات؟ "
في الوقت نفسه ، سمح الباحثون أيضًا للنموذج الكبير مباشرة بإنشاء تصميم مقعد الاختبار:
هل يمكنك كتابة طاولة اختبار Verilog لهذا التصميم؟ يجب أن يتمتع منضدة الاختبار بقدرات اختبار ذاتي ويمكن استخدامها مع iverilog للمحاكاة والتحقق. في حالة فشل حالة الاختبار ، يجب أن تكون منصة الاختبار قادرة على توفير معلومات كافية حتى يمكن العثور على الخطأ وحلّه.
علاوة على ذلك ، حصل الباحثون على محتوى المخرجات بناءً على أربعة نماذج كبيرة من ChatGPT-4 و ChatGPT-3.5 و Bard و HuggingChat:
أظهرت النتائج النهائية أن كلا الطرازين ChatGPT كانا قادرين على تلبية المواصفات وبدأت عملية التصميم. ومع ذلك ، فشل Bard و HuggingChat في تلبية المعايير الأولية للمواصفات.
على الرغم من اتباع عملية الاختبار المذكورة أعلاه ، طلب الباحثون من النموذج الكبير إعادة توليد الإجابات خمس مرات أخرى بناءً على المطالبات الأولية من Bard و HuggingChat ، بعد عدة جولات ، فشل كلا النموذجين. من بينها ، لا يستطيع Bard تلبية مواصفات التصميم المحددة طوال الوقت ، ويبدأ ناتج Verilog لـ HuggingChat في أن يكون غير صحيح بعد تعريف الوحدة.
نظرًا للأداء الضعيف لـ Bard و HuggingChat في موجهات خط الأساس الأولية للتحدي ، قرر الباحثون المتابعة باختبار كامل فقط على ChatGPT-4 و ChatGPT-3.5.
** مسابقة ChatGPT-4 و ChatGPT-3.5 **
يوضح الشكل أدناه النتائج المعيارية لـ ChatGPT-4 و ChatGPT-3.5 ، ومن الواضح أن أداء ChatGPT-3.5 أسوأ قليلاً من أداء ChatGPT-4 ، فكل المحادثات غير متوافقة.
في المقابل ، كان أداء ChatGPT-4 أفضل ، حيث اجتاز معظم المعايير ، والتي تطلب معظمها فقط تعليقات الأداة. ومع ذلك ، في تصميم مقاعد البدلاء ، لا تزال ردود الفعل البشرية مطلوبة.
## ** يتم إقران ChatGPT-4 مع مهندسي الأجهزة لتطوير شرائح معًا **
لاستكشاف إمكانات LLM ، قام الباحثون أيضًا بإقران مهندسي تصميم الأجهزة مع ChatGPT-4 لتصميم معالج دقيق يعتمد على تراكم 8 بت.
تبدو المطالبة الأولية لـ ChatGPT-4 كما يلي:
لنقم بتصميم معالج دقيق جديد بالكامل معًا ... أعتقد أننا بحاجة إلى قصر أنفسنا على بنية تراكمية 8 بت ، بدون تعليمات متعددة البايت. في هذه الحالة ، كيف تعتقد أننا يجب أن نبدأ؟
نظرًا لقيود المساحة ، سعى الباحثون إلى تصميم من نوع von Neumann باستخدام 32 بايت من الذاكرة (بيانات وإرشادات مجمعة).
في النهاية ، عمل ChatGPT-4 مع مهندسي الأجهزة لتصميم معمارية معالجات دقيقة تعتمد على المركم 8 بت. تم بناء المعالج على عملية Skywater 130nm ، مما يعني أن "Chip-Chats" تنفذ ما نعتقد أنه أول HDL في العالم يتم إخراجها من الشريط مكتوبًا بالكامل بواسطة الذكاء الاصطناعي.
مسار البيانات المعتمد على المجمعات لتصميم GPT-4 (رسمه البشر)
في الورقة ، خلص الباحثون إلى أن ChatGPT-4 أنتج رمزًا عالي الجودة نسبيًا ، كما يتضح من فترة التحقق القصيرة. بالنظر إلى حد معدل ChatGPT-4 البالغ 25 رسالة لكل 3 ساعات ، فإن إجمالي ميزانية الوقت لهذا التصميم هو 22.8 ساعة من ChatGPT-4 (بما في ذلك إعادة التشغيل). بلغ متوسط الإنشاء الفعلي لكل رسالة حوالي 30 ثانية: بدون تحديد المعدل ، كان من الممكن إكمال التصميم بالكامل في أقل من 100 دقيقة ، اعتمادًا على المهندس البشري. على الرغم من أن ChatGPT-4 أنشأ مُجمّع Python بسهولة نسبية ، إلا أنه كان من الصعب كتابة البرامج المكتوبة لتصميمنا ، ولم يكتب ChatGPT أي برامج اختبار مهمة.
بشكل عام ، قام الباحثون بتنفيذ جميع التعليمات الأربعة والعشرين في سلسلة شاملة من برامج المُجمِّع المكتوبة من قبل الإنسان والتي تم تقييمها في المحاكاة ومحاكاة FPGA.
** يمكن لـ ChatGPT حفظ دورة تطوير الرقاقة **
قال الدكتور هاموند بيرس ، الأستاذ المساعد في جامعة نيويورك تاندون وعضو فريق البحث: "لقد أنتج هذا البحث ما نعتقد أنه أول HDL تم إنشاؤه بواسطة الذكاء الاصطناعي بالكامل لتصنيع الرقائق المادية". "يمكن لبعض نماذج الذكاء الاصطناعي ، مثل ChatGPT من OpenAI و Google's Bard ، إنشاء رمز برمجي بلغات برمجة مختلفة ، ولكن لم تتم دراسة استخدامها في تصميم الأجهزة على نطاق واسع. تُظهر هذه الدراسة أن الذكاء الاصطناعي يمكن أن يفيد أيضًا تصنيع الأجهزة ، خاصةً عندما يكون تستخدم في المحادثة بحيث يمكنك الانتقال للخلف وللأمام لتحسين التصميم ".
ومع ذلك ، على طول الطريق ، يحتاج الباحثون أيضًا إلى مزيد من الاختبار ومعالجة اعتبارات السلامة التي ينطوي عليها استخدام الذكاء الاصطناعي لتصميم الشرائح.
بشكل عام ، على الرغم من أن ChatGPT ليست أداة برمجية آلية خاصة بمجال الأجهزة ، إلا أنها يمكن أن تصبح أداة مساعدة من EDA وتساعد مصممي EDA على تقليل حد المعرفة بشكل كبير.
يقول الباحثون أيضًا أنه إذا تم تنفيذه في بيئة حقيقية ، فإن استخدام نماذج LLM في تصنيع الرقائق يمكن أن يقلل من الخطأ البشري أثناء تحويل HDL ، ويساعد على تحسين الإنتاجية ، ويقلل من وقت التصميم والوقت في السوق ، ويسمح بمزيد من التصميمات الإبداعية. . في الواقع ، لهذا وحده ، فإن ChatGPT يستحق أن يستخدمه مهندسو الأجهزة للمشاركة في المزيد من المحاولات والاستكشافات في مجال الأجهزة.
للحصول على عملية اختبار أكثر تفصيلاً ، انظر الورقة:
مرجع:
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
يمكن أيضًا استخدام ChatGPT لإنشاء النوى ، ما عليك سوى التحدث باللغة الإنجليزية؟ !
تنظيم | Tu Min
القائمة | CSDN (المعرف: CSDNnews)
هل ChatGPT رائع حقًا؟
نشر باحثون من كلية تاندون للهندسة بجامعة نيويورك ورقة بحثية بعنوان "Chip-Chat: التحديات والفرص في تصميم أجهزة المحادثة" ، أجابوا بالتجارب: نعم ، ChatGPT أقوى بالفعل!
مجرد الدردشة مع ChatGPT بلغة طبيعية بسيطة الإنجليزية ، تم صنع شريحة معالج دقيق. الأمر الجدير بالملاحظة هو أنه بمساعدة ChatGPT ، لم يتم تصميم مكون الرقاقة هذا فحسب ، بل يمكن تصنيعه أيضًا بعد الاختبار الأساسي.
إذن ، هل حقًا يأتي حقبة "صنع الجوهر" من قبل كل الناس؟ هنا ، قد نلقي نظرة أيضًا على كيفية قيام الباحثين بذلك.
** تطبيق نماذج الذكاء الاصطناعي الكبيرة ، مجال العتاد يتخلف عن البرمجيات **
في الورقة ، أشار الباحثون إلى أن تصميم الأجهزة الحديثة يبدأ بالمواصفات التي توفرها اللغة الطبيعية ، مثل متطلبات المستند باللغة الإنجليزية ، ومن ثم يستخدم مهندسو الأجهزة لغات وصف الأجهزة (HDL) مثل Verilog لإنشاء المتطلبات مع التعليمات البرمجية لـ أكمل التصميم الداخلي للرقاقة ، وأخيراً تم تصنيعه في مكونات الدائرة.
حسنًا ، عندما يقترب عصر AIGC ، مثل ادعاء OpenAI's ChatGPT و Google Bard بقدرتهما على إنشاء رمز ، وقد استخدمهما العديد من المطورين لإنشاء موقع ويب واحدًا تلو الآخر ، ولكن نطاق التطبيق الحالي يركز بشكل أساسي على مجال البرمجيات . ، ما إذا كانت أدوات AIGC هذه يمكن أن تحل محل عمل "الترجمة" (تحويل متطلبات المستند إلى رمز) لمهندسي الأجهزة.
بناءً على ذلك ، استخدم الباحثون ثمانية معايير تمثيلية للتحقيق في إمكانيات وقيود LLM الحديثة عند إنشاء كتابة لغة وصف الأجهزة نفسها.
في التجربة ، استخدم الباحثون ChatGPT كأداة للتعرف على الأنماط (تعمل كإنسان) ، والتي يمكن تحويلها بحرية إلى أنواع مختلفة من اللغات (الشفوية والمكتوبة). وفي الوقت نفسه ، يسمح ChatGPT لمهندسي الأجهزة بتخطي مرحلة HDL.
تظهر عملية التحقق الشاملة في الشكل أدناه:
إذا كان التصميم لا يفي بالمواصفات ، فسيتم إنشاؤه خمس مرات أخرى بنفس الموجه. إذا كان لا يزال لا يفي بالمواصفات ، فإنه يفشل.
بمجرد كتابة التصميمات وحالات الاختبار ، يتم تجميعها باستخدام Icarus Verilog (iverilog ، إحدى أدوات التنفيذ للغة وصف أجهزة Verilog). إذا كان التجميع ناجحًا ، يتم إجراء المحاكاة. إذا لم يتم الإبلاغ عن أي أخطاء ، فسينجح التصميم ، ولا توجد ملاحظات مطلوبة (NFN).
إذا تم الإبلاغ عن أخطاء بواسطة أي من هذه العمليات ، يتم إعادة إدخالها في النموذج ويُطلب منها "الرجاء تقديم الإصلاح" ، وهذا ما يُعرف باسم ملاحظات الأداة (TF). في حالة حدوث نفس الخطأ أو نوع الخطأ نفسه ثلاث مرات ، يتم تقديم التعليقات البشرية البسيطة (SHF) من قبل المستخدم ، عادةً عن طريق تحديد نوع المشكلة في Verilog التي تسببت في الخطأ (على سبيل المثال: خطأ نحوي في بيان).
يتم إعطاء ملاحظات بشرية معتدلة (MHF) في حالة استمرار الخطأ ، ويتم توفير معلومات مباشرة أكثر قليلاً للأداة لتحديد الخطأ المحدد.
في حالة استمرار الخطأ ، يتم تقديم تعليقات بشرية متقدمة (AHF) ، والتي تعتمد على التحديد الدقيق لمكان الخطأ وكيفية إصلاحه.
بمجرد تجميع التصميم ومحاكاته ، مع عدم وجود حالات اختبار فاشلة ، يعتبر ناجحًا.
ولكن إذا لم تُصلح التعليقات عالية المستوى الخطأ ، أو إذا احتاج المستخدم إلى كتابة أي كود Verilog لحل الخطأ ، فسيتم اعتبار الاختبار قد فشل. يعتبر الاختبار أيضًا فاشلاً إذا تجاوزت الجلسة 25 رسالة ، بما يلبي حد معدل OpenAI لرسائل ChatGPT-4 لكل 3 ساعات.
** Bard and HuggingChat تعطلت في الجولة الأولى من الاختبار **
في التجربة المحددة ، أجرى الباحثون اختبارًا معياريًا لسجل التحول 8 بت.
يطلبون من النموذج الكبير محاولة إنشاء نموذج Verilog لـ "اسم اختبار" ، ثم تقديم المواصفات وتحديد منافذ الإدخال والإخراج وأي تفاصيل أخرى مطلوبة ، ثم طرح النموذج الكبير "كيف سأكتب تصميمًا لـ تلبية هذه المواصفات؟ "
هل يمكنك كتابة طاولة اختبار Verilog لهذا التصميم؟ يجب أن يتمتع منضدة الاختبار بقدرات اختبار ذاتي ويمكن استخدامها مع iverilog للمحاكاة والتحقق. في حالة فشل حالة الاختبار ، يجب أن تكون منصة الاختبار قادرة على توفير معلومات كافية حتى يمكن العثور على الخطأ وحلّه.
نظرًا للأداء الضعيف لـ Bard و HuggingChat في موجهات خط الأساس الأولية للتحدي ، قرر الباحثون المتابعة باختبار كامل فقط على ChatGPT-4 و ChatGPT-3.5.
** مسابقة ChatGPT-4 و ChatGPT-3.5 **
يوضح الشكل أدناه النتائج المعيارية لـ ChatGPT-4 و ChatGPT-3.5 ، ومن الواضح أن أداء ChatGPT-3.5 أسوأ قليلاً من أداء ChatGPT-4 ، فكل المحادثات غير متوافقة.
في المقابل ، كان أداء ChatGPT-4 أفضل ، حيث اجتاز معظم المعايير ، والتي تطلب معظمها فقط تعليقات الأداة. ومع ذلك ، في تصميم مقاعد البدلاء ، لا تزال ردود الفعل البشرية مطلوبة.
لاستكشاف إمكانات LLM ، قام الباحثون أيضًا بإقران مهندسي تصميم الأجهزة مع ChatGPT-4 لتصميم معالج دقيق يعتمد على تراكم 8 بت.
تبدو المطالبة الأولية لـ ChatGPT-4 كما يلي:
لنقم بتصميم معالج دقيق جديد بالكامل معًا ... أعتقد أننا بحاجة إلى قصر أنفسنا على بنية تراكمية 8 بت ، بدون تعليمات متعددة البايت. في هذه الحالة ، كيف تعتقد أننا يجب أن نبدأ؟
في النهاية ، عمل ChatGPT-4 مع مهندسي الأجهزة لتصميم معمارية معالجات دقيقة تعتمد على المركم 8 بت. تم بناء المعالج على عملية Skywater 130nm ، مما يعني أن "Chip-Chats" تنفذ ما نعتقد أنه أول HDL في العالم يتم إخراجها من الشريط مكتوبًا بالكامل بواسطة الذكاء الاصطناعي.
في الورقة ، خلص الباحثون إلى أن ChatGPT-4 أنتج رمزًا عالي الجودة نسبيًا ، كما يتضح من فترة التحقق القصيرة. بالنظر إلى حد معدل ChatGPT-4 البالغ 25 رسالة لكل 3 ساعات ، فإن إجمالي ميزانية الوقت لهذا التصميم هو 22.8 ساعة من ChatGPT-4 (بما في ذلك إعادة التشغيل). بلغ متوسط الإنشاء الفعلي لكل رسالة حوالي 30 ثانية: بدون تحديد المعدل ، كان من الممكن إكمال التصميم بالكامل في أقل من 100 دقيقة ، اعتمادًا على المهندس البشري. على الرغم من أن ChatGPT-4 أنشأ مُجمّع Python بسهولة نسبية ، إلا أنه كان من الصعب كتابة البرامج المكتوبة لتصميمنا ، ولم يكتب ChatGPT أي برامج اختبار مهمة.
بشكل عام ، قام الباحثون بتنفيذ جميع التعليمات الأربعة والعشرين في سلسلة شاملة من برامج المُجمِّع المكتوبة من قبل الإنسان والتي تم تقييمها في المحاكاة ومحاكاة FPGA.
** يمكن لـ ChatGPT حفظ دورة تطوير الرقاقة **
قال الدكتور هاموند بيرس ، الأستاذ المساعد في جامعة نيويورك تاندون وعضو فريق البحث: "لقد أنتج هذا البحث ما نعتقد أنه أول HDL تم إنشاؤه بواسطة الذكاء الاصطناعي بالكامل لتصنيع الرقائق المادية". "يمكن لبعض نماذج الذكاء الاصطناعي ، مثل ChatGPT من OpenAI و Google's Bard ، إنشاء رمز برمجي بلغات برمجة مختلفة ، ولكن لم تتم دراسة استخدامها في تصميم الأجهزة على نطاق واسع. تُظهر هذه الدراسة أن الذكاء الاصطناعي يمكن أن يفيد أيضًا تصنيع الأجهزة ، خاصةً عندما يكون تستخدم في المحادثة بحيث يمكنك الانتقال للخلف وللأمام لتحسين التصميم ".
ومع ذلك ، على طول الطريق ، يحتاج الباحثون أيضًا إلى مزيد من الاختبار ومعالجة اعتبارات السلامة التي ينطوي عليها استخدام الذكاء الاصطناعي لتصميم الشرائح.
بشكل عام ، على الرغم من أن ChatGPT ليست أداة برمجية آلية خاصة بمجال الأجهزة ، إلا أنها يمكن أن تصبح أداة مساعدة من EDA وتساعد مصممي EDA على تقليل حد المعرفة بشكل كبير.
يقول الباحثون أيضًا أنه إذا تم تنفيذه في بيئة حقيقية ، فإن استخدام نماذج LLM في تصنيع الرقائق يمكن أن يقلل من الخطأ البشري أثناء تحويل HDL ، ويساعد على تحسين الإنتاجية ، ويقلل من وقت التصميم والوقت في السوق ، ويسمح بمزيد من التصميمات الإبداعية. . في الواقع ، لهذا وحده ، فإن ChatGPT يستحق أن يستخدمه مهندسو الأجهزة للمشاركة في المزيد من المحاولات والاستكشافات في مجال الأجهزة.
للحصول على عملية اختبار أكثر تفصيلاً ، انظر الورقة:
مرجع: