ChatGPTなどの生成AIを駆動させるには、大量のGPUが必要となる。このAI向けGPUは膨大な電力を消費する事から、近年電力需要の急増が懸念されており、研究者らはより効率的にAI関連の処理が行えるチップの開発を進めている。そこで最も有望とみられているのが、人間の脳の動きを模倣した「ニューラル・ネットワーク・チップ」であるが、ジョンズ・ホプキンス大学の研究者らは、ChatGPTを使って、AI自身にこのチップの設計を行わせる手法を開発したことを報告している。

ジョンズ・ホプキンス大学の電気・コンピューター工学の大学院生と学部生がChatGPT4を使って、人間の脳とよく似た動作をするスパイキング・ニューラル・ネットワーク・チップを作るための詳細な指示を作成した。一連のプロンプトによって、ChatGPTは単一の生物学的ニューロンを模倣することから、それらをリンクさせてネットワークを形成し、最終的には製造可能な完全なチップデザインを生成したという。

「これは、自然言語処理を使って機械が設計した最初のAIチップです。私たちがコンピューターに『AIニューラル・ネットワーク・チップを作れ』と言うと、コンピューターがチップの製造に使われるファイルを吐き出すのと似ています」と、電気・コンピューター工学教授で、言語・音声処理センターの共同設立者、カブリ神経科学発見研究所とジョンズ・ホプキンス新データ科学・AI研究所のメンバーであるAndreas Andreou氏は語った。

このチップの最終的なネットワーク・アーキテクチャは、相互接続された2層のニューロンを持つ小さなシリコン脳である。ユーザーは、8ビットのアドレス指定可能なウェイトシステムを使って、ニューロン間の接続の強さを調整できる。このチップは、ChatGPTが自然言語プロンプトを使用して設計した標準ペリフェラル・インターフェース・サブシステムを使用して再設定およびプログラムすることができるという。

研究者らは、スカイウォーターのファウンドリーに製造のために送る前に、シミュレーションによって設計を検証した。このチップは現在、130ナノメートル製造CMOSプロセスでプリントされているところだ。

「これは、実用的なハードウェアAIシステムの大規模自動合成に向けた小さな一歩に過ぎないが、AI技術の開発と普及を加速させる高度なAIハードウェアシステムの構築にAIを活用できることを示しています。この20年間で、半導体産業はコンピュータ・チップの物理的構造の微細化において大きな進歩を遂げ、同じシリコン面積でより複雑な設計が可能になりました。後者の高度なコンピューター・チップは、より洗練されたソフトウェアのコンピューター支援設計アルゴリズムと、より高度なコンピューティング・ハードウェアの作成をサポートし、今日のAI革命の原動力となっているコンピューティング・パワーの指数関数的な成長をもたらしています」と、電気・コンピュータ工学専攻の大学院生Michael Tomlinson氏は語っている。

論文

• arXiv: Designing Silicon Brains using LLM: Leveraging ChatGPT for Automated Description of a Spiking Neuron Array

参考文献

• Jonhs Hopkins University: HOPKINS ENGINEERS COLLABORATE WITH CHATGPT4 TO DESIGN BRAIN-INSPIRED CHIPS

研究の要旨

大規模言語モデル（LLM）は、コード生成を含む様々なプロンプトに対する正しい応答を合成することで話題になっている。この論文では、ChatGPT4がプログラマブル・スパイキング・ニューロン・アレイASIC全体の合成可能で機能的なverilog記述を生成するために使用されたプロンプトを紹介する。この設計フローは、ChatGPT4による自然言語駆動ハードウェア設計の現状を示すものだ。AIが生成したデザインは、手作りのテストベンチを使用してシミュレーションで検証され、オープンソースのEDAフローを使用して、Tiny Tapeout 5を通じてSkywater 130nmで製造するために提出された。