【2023新书】计算机体系结构人工智能:原理、实践与展望, 144页pdf

人工智能已在多个领域实现了关键进展，但其对计算机架构的影响才刚刚开始。特别是，近期的工作探索了其在计算机架构的设计、优化和模拟方面的更广泛应用。值得注意的是，基于机器学习的策略通常超越了以往的最先进的分析、启发式和人类专家方法。本书回顾了机器学习在系统级模拟和运行时优化中的应用，以及在许多单个组件（如缓存/内存、分支预测器、片上网络和GPU）中的应用。书中进一步分析了当前实践，以突出有用的设计策略并识别未来工作的领域，基于优化的实现策略、现有工作的有利扩展，以及长远的雄心勃勃的可能性。综合这些策略和技术，它们为日益自动化的计算机架构设计呈现了一个充满希望的未来。 计算机架构领域正在经历一场设计实践的巨大转变。随着设计复杂性的增加，传统依赖于穷尽搜索和启发式近似的方法正被推向极限。这些限制，加上摩尔定律的放缓，催生了计算机架构设计的一次突破。在我们看来，这一突破表现为实用的基于人工智能的设计。 计算机架构的最新发展已开始反映这一有希望的新范式，越来越多的工作涵盖了几乎所有主要的架构组件。然而，现有的人工智能（AI）和架构设计资源往往专注于支持AI模型的新架构，基本上是为AI而设计的架构，而不是以AI为架构。在我们的写作过程中，我们最初希望通过文献综述来满足这一需求，其中包括简要的背景和分析。在此过程中，我们决定这个不断增长的范式需要更详细的资源，以便为更广泛的受众提供入门，特别是那些渴望在自己的工作中开始尝试AI的人。 本书扩展了原始的文献综述，包括更多的背景材料、详细的案例研究和全文的额外洞见。 第1章为架构中的AI设置了舞台，简要介绍了对替代设计策略的日益需求和基于AI的设计所提供的机会。第2章继续发展这些机会的直觉，同时将基本的AI原则与简短的架构示例联系起来，为后续章节奠定基础。这些原则在第3章和第4章迅速付诸实践，我们探索了架构中AI应用的广泛范围，然后研究了基于流行的AI设计方法的三个案例研究。这些案例研究旨在提供对使用监督学习、强化学习和非监督学习解决棘手架构问题的最新工作的更深入的洞察。在考虑到所有这些应用后，第5章提供了更为批判性的视角，对可能指导未来工作的实际考虑进行分析。这种分析涉及高层次的选择，如模型选择，以及一些特定任务的数据收集和训练开销优化。本书在第6章达到高潮，我们强调了未来工作的有希望的机会。 我们希望基于AI的设计继续繁荣发展，并且这本书鼓励新的从业者接受日益自动化的架构设计。