LAM RESEARCH當涉及到開發制造微芯片的新方法時，最好的方法可能不是單獨依靠人類或計算機開發的設計，而是將兩者融合在一起。一項新的研究發現，與僅依靠人類專家相比，這種合作可能會將成本降低一半。該研究的資深作者Richard Gottscho說：“雖然由于人類的專業知識和解決具有挑戰性的現成問題的能力，人類仍然是必不可少的，但我們的研究結果表明[人先機后（human first–computer last，HF–CL）策略可以幫助解決流程開發的繁瑣方面，從而大大加快加速創新，隨著芯片制造商尋求克服與縮放3D NAND、FinFETS、DRAM和其他設備相關的挑戰，其影響真的很令人興奮。”目前，制造微芯片的瓶頸之一是開發制造晶體管和存儲單元的半導體工藝的成本越來越高。這些復雜的過程，每一個都涉及數百個步驟，仍然是由訓練有素的工程師手動構思的。人工智能在復雜任務中的表現優于人類，例如國際象棋和圍棋等棋盤游戲，這表明計算機算法也可能有助于開發半導體工藝。然而，為了在棋盤游戲中打敗人類，計算機接受了大量廉價數據的訓練。相比之下，生成半導體工藝數據的成本很高。由于材料、設備和分析工具的成本，單個實驗的成本可能超過1000美元。半導體實驗的高成本意味著，工程師通常通過測試一百種不同的組合或“配方”來開發半導體工藝，例如制造器件的機器的等離子體壓力和晶片溫度。這種有限的數據使得很難創建一個精確到原子尺度的預測模型。Gottscho說：“當在3D NAND器件中創建存儲器孔或蝕刻另一個器件特征時，工藝工程師面臨著超過100萬億種不同的高縱橫比蝕刻方案。這個數字簡直讓人應接不暇。”在這項新的研究中，研究人員調查了人工智能如何降低開發半導體工藝的成本。具體來說，他們探索了基于貝葉斯推理統計方法的優化算法，在貝葉斯推理中，先驗知識有助于計算不確定選擇可能正確的可能性。當數據稀缺時，貝葉斯優化算法可以被證明是有效的，科學家之前已經研究過它們在半導體行業的其他應用。為了觀察機器在這項任務上是否會比人類做得更好，科學家們創造了一種方法來系統地相互比較它們的性能。受國際象棋和圍棋計算機進步的啟發，該研究的主要作者、Lam Research的技術總經理Keren Kanarik建議開發一款游戲作為比較的試驗臺。在實驗中，玩家在實驗室模擬器上工作，在那里他們被要求蝕刻一個記憶孔，這是二氧化硅膜上的一個溝槽，用于創建記憶單元。目標是用盡可能少的錢找到一種制作具有特定深度、寬度和形狀的記憶孔的方法。玩家是三個計算機算法；三名具有博士學位的人類高級工程師，每個人都有七年以上的經驗；三名具有博士學位的人類初級工程師，每個人的經驗都不到一年；以及三名對半導體工藝一無所知的人類志愿者。在每一輪結束時，玩家提交一批一個或多個方法。每個方法的晶圓和測量成本為1000美元，每個批次的工具操作成本為1000美元。最好的玩家是一名人類高級工程師，他在總成本為105000美元后制作了所要求的記憶孔。在300次計算機嘗試中，只有13次（不到5%）擊敗了這位人類專家。總而言之，僅靠算法就無法贏得與人類專家的競爭。科學家們發現，要取得相同的進展，人類高級工程師所需的成本大約是人類初級工程師的一半。科學家發現，每個人類工程師的工作分為兩個階段。在最初的粗略調整階段，他們在實現目標方面表現出快速的進步，而在后來的微調階段，他們為了同時實現所有期望的目標而進展緩慢。研究人員表示，計算機算法之所以失敗，是因為它們缺乏專業知識，因此浪費了探索大量可能性的實驗。因此，他們測試了一種策略，即最好的玩家在“人先機后”的場景中指導算法。他們發現，這種混合方法只需5.2萬美元就可以達到目標，不到人類專家成本的一半。這項新的研究表明，人類工程師可能在粗略調整的早期階段表現出色，因為他們可以利用自己的經驗和直覺。在努力達到精確目標的微調后期，計算機算法可能會被證明更具成本效益。Gottscho說：“這項研究強化了人類工程師和人類創造力的重要性和內在價值，但也向我們展示了一種方法，你可以充分利用人類所能提供的，以及數據科學和機器所提供的，將它們結合在一起，創造出一種比單獨使用任何一種都更好的組合。”科學家們指出，未來的研究可以系統地調查何時最好將人類的工作交給計算機來完成。他們補充說，人類與計算機的合作可能也會帶來文化挑戰。例如，研究發現，雖然人類工程師在不同的實驗中經常只改變一兩個參數，但計算機可能會在沒有解釋的情況下改變更多，人類可能會發現很難接受他們不理解的方法。Gottscho說：“人工智能和計算機處理信息的方式對大多數人來說是違反直覺的。要想讓非傳統的‘人先機后’方法取得成功，過程工程師需要抵制對機器過程的干預。這可能需要改變人類行為。更好地理解人工智能方法可能有助于工程師信任機器的發現，并最終為未來利用計算機算法帶來更大的潛在機會。”3月8日，科學家們在《自然》雜志上在線詳細介紹了他們的發現。文章來源：IEEE電氣電子工程師IEEE Spectrum《科技縱覽》官方微信公眾平臺往期推薦人工智能正在改變編程工作強大的人工智能推理(七)：人工智能動蕩的過去和不確定的未來播客探索人工智能在醫療保健中的應用 查看全文
