谷歌的研发团队使电路配置作业仿照围棋等桌游，把电路结构当做棋盘和棋子，让AI进行学习。
人工智能（AI）已开始给半导体设计带来革新。美国谷歌把核心的电路配置工序的用时缩减到此前的100分之1，有助于抑制日益膨胀的半导体开发费用。成为关键的是AI自身不断尝试的“强化学习”技术，让AI掌握压倒工匠的技艺。在物流等领域，引进AI的趋势正在扩大，生产效率的大幅提高令人期待。

谷歌的研发团队6月把采用AI的半导体电路设计方式发布在英国《自然》杂志上。针对运算性能、耗电量和芯片的大小等，据称可在6个小时以内生成不逊色于人类设计师需要数个月的电路配置。据悉存在节省设计师数千小时劳动力的可能性。

半导体的设计尖端而复杂。指尖大小的芯片上汇聚大量的逻辑电路，配置组合达到10的2500次方以上，也就是1的后面跟着2500多个0。有必要从天文数字般的组合之中找出最佳设计。

在这种情况下发挥威力的是AI通过不断重复成功和失败来提升性能的强化学习。AI以被称为“监督学习（Supervised Learning）”的方式为中心，正在用于推动业务高效化等，但从庞大选项之中找出最优解的计算难度很高。强化学习将为克服这种复杂的课题开辟道路，正受到期待。

谷歌的研发团队使电路配置作业仿照围棋等桌游，把电路结构当做棋盘和棋子，让AI进行学习。“胜利条件”是均衡地满足影响运算性能等的各项指标。类似于不断找到最佳行棋步法，计算出符合性能方面要求的电路配置。

谷歌已把AI应用于自主开发的半导体“TPU”的设计上。东京大学教授黑田忠广表示，“需要验证CPU（中央处理器）等其他半导体能否采用相同的方式”。同时积极评价称，“AI像人类那样通过经验和学习来缩小探索范围，正在高效探索答案”。

随着数字化转型（DX）的进展等，提高半导体性能的需求正在加强。用于智能手机和服务器的尖端半导体汇聚上百亿个晶体管，随着电路微细化，复杂程度正在提升。传统设计方式依赖熟练设计人员的经验，开发需要大量时间。

美国麦肯锡（McKinsey & Company）等的数据显示，作为最新一代的5纳米线宽半导体的开发成本（包括购买知识产权和试制）为5.4亿美元，达到前一代（7纳米线宽产品）的1.8倍、前二代（10纳米线宽产品）的3.1倍。如果让AI承担部分设计工作、降低工时，能高效设计出更多芯片。

通过各半导体厂商使用的设计软件“EDA”，强化学习的充分利用正在扩大。EDA巨头美国新思科技（Synopsys）自2020年开始全面提供采用强化学习的设计辅助系统。由系统自动锁定符合性能的候选设计方案。韩国三星电子把通常需要1个月以上的设计作业缩短为3天，还将用于智能手机用半导体的设计。

新思科技的首席执行官（CEO）阿尔特·德·吉亚斯表示，“（通过自动化）从浪费时间的探索作业中解脱出来，能够把设计人员投向新的开发计划”。在日本，索尼集团开始把AI强化学习应用于图像传感器的设计，瑞萨电子也应用于车载半导体的设计。

涉足EDA开发的日本JEDAT携手群马大学的高井伸和准教授等，正在开发运算放大器等模拟半导体的自动设计系统。力争2025年之前实现实用化。

近年来，中美两国的巨大IT企业自主开发半导体。高井准教授表示期待称，“如果半导体设计的门槛因自动化而降低，将推动跨界企业的涉足，新使用方法有可能随之诞生”。

强化学习：支撑目前AI的机器学习的一种方式。不依赖过去的数据，而是通过计算机等，由AI不断探索，学习最佳行为。在围棋、游戏、机器人开发领域得到使用。以向围棋中接近取胜的行棋步法给与“报酬”的机制进行学习，获得了超越专业棋手的实力。

在商业领域，被称为监督学习的方法经常被使用。其方法是提供猫的图像以及正确答案，使AI学会“这是猫”，不断提高识别准确度。要提升准确度，需要大量积累高质量的数据等。