Các nhà nghiên cứu từ Trường Kỹ thuật Tandon của Đại học New York đã xuất bản bài báo "Chip-Chat: Thách thức và Cơ hội trong Thiết kế Phần cứng Đàm thoại", trả lời bằng các thử nghiệm: Có, ChatGPT thực sự mạnh hơn!
Chỉ cần trò chuyện với ChatGPT bằng ngôn ngữ tự nhiên đơn giản là tiếng Anh, một con chip vi xử lý đã được sản xuất. Điều đáng chú ý hơn là với sự trợ giúp của ChatGPT, thành phần chip này không chỉ được thiết kế mà còn có thể được sản xuất sau khi thử nghiệm cơ bản.
"Đây là một thành tựu chưa từng có, có thể tăng tốc độ phát triển chip và cho phép những cá nhân không có kỹ năng kỹ thuật chuyên sâu thiết kế chip", Đại học New York nhận xét.
Như vậy, thời đại “làm cốt” của toàn dân có thực sự đến? Ở đây, chúng ta cũng có thể xem xét cách các nhà nghiên cứu đã làm điều đó.
Ứng dụng AI mô hình lớn, lĩnh vực phần cứng tụt hậu so với phần mềm
Trong bài báo, các nhà nghiên cứu chỉ ra rằng thiết kế phần cứng hiện đại bắt đầu với các thông số kỹ thuật do ngôn ngữ tự nhiên cung cấp, chẳng hạn như các yêu cầu tài liệu tiếng Anh, sau đó các kỹ sư phần cứng sử dụng các ngôn ngữ mô tả phần cứng (HDL) như Verilog để xây dựng các yêu cầu bằng mã để hoàn thành thiết kế bên trong chip và cuối cùng được tổng hợp thành các thành phần mạch.
Chà, khi thời đại của AIGC sắp đến, chẳng hạn như ChatGPT của OpenAI và Bard của Google tuyên bố có thể tạo mã và nhiều nhà phát triển đã sử dụng chúng để tạo hết trang web này đến trang web khác, nhưng phạm vi ứng dụng hiện tại chủ yếu tập trung vào lĩnh vực phần mềm ., liệu những công cụ AIGC này có thể thay thế công việc "dịch" (chuyển các yêu cầu từ tài liệu thành mã) của các kỹ sư phần cứng hay không.
Dựa trên điều này, các nhà nghiên cứu đã sử dụng tám điểm chuẩn đại diện để điều tra các khả năng và hạn chế của các LLM tiên tiến nhất khi tạo ra cách viết của chính ngôn ngữ mô tả phần cứng.
## Nguyên tắc và quy tắc kiểm tra
Trong thử nghiệm, các nhà nghiên cứu đã sử dụng ChatGPT như một bộ nhận dạng mẫu (hoạt động như con người), có thể chuyển đổi tự do ở nhiều loại ngôn ngữ (nói, viết), đồng thời ChatGPT cho phép các kỹ sư phần cứng bỏ qua giai đoạn HDL.
Quá trình xác minh tổng thể được thể hiện trong hình dưới đây:
Cụ thể, đầu tiên, kỹ sư phần cứng cung cấp các gợi ý ban đầu cho mô hình lớn, để nó tạo mô hình Verilog, sau đó cung cấp thông tin cụ thể về đầu vào và đầu ra. Cuối cùng, kỹ sư phần cứng thực hiện đánh giá trực quan thiết kế đầu ra để xác định xem nó có đáp ứng các thông số kỹ thuật thiết kế cơ bản hay không.
Nếu một thiết kế không đáp ứng thông số kỹ thuật, nó sẽ được tạo thêm năm lần nữa với cùng một lời nhắc. Nếu nó vẫn không đáp ứng các đặc điểm kỹ thuật, thì nó không thành công.
Khi các thiết kế và trường hợp thử nghiệm đã được viết, chúng được biên dịch bằng Icarus Verilog (iverilog, một trong những công cụ triển khai cho ngôn ngữ mô tả phần cứng Verilog). Nếu quá trình biên dịch thành công, quá trình mô phỏng sẽ được thực hiện. Nếu không có lỗi nào được báo cáo, thiết kế sẽ vượt qua, Không yêu cầu phản hồi (NFN).
Nếu lỗi được báo cáo bởi bất kỳ thao tác nào trong số này, chúng sẽ được đưa trở lại mô hình và được yêu cầu "vui lòng cung cấp bản sửa lỗi", điều này được gọi là Phản hồi của Công cụ (TF). Nếu cùng một lỗi hoặc loại lỗi xảy ra ba lần, Người dùng sẽ đưa ra Phản hồi Đơn giản của Con người (SHF), thường bằng cách cho biết loại sự cố nào trong Verilog đã gây ra lỗi (ví dụ: lỗi cú pháp trong một câu lệnh).
Phản hồi của con người vừa phải (MHF) được cung cấp nếu lỗi vẫn còn và thông tin trực tiếp hơn một chút được cung cấp cho công cụ để xác định lỗi cụ thể.
Nếu lỗi vẫn còn, Phản hồi nâng cao của con người (AHF) sẽ được đưa ra, dựa trên việc xác định chính xác vị trí của lỗi và cách khắc phục.
Khi thiết kế được biên dịch và mô phỏng, không có trường hợp thử nghiệm nào bị lỗi, nó được coi là thành công.
Nhưng nếu phản hồi cấp cao không khắc phục được lỗi hoặc người dùng cần viết bất kỳ mã Verilog nào để khắc phục lỗi, thử nghiệm được coi là thất bại. Thử nghiệm cũng được coi là không thành công nếu phiên vượt quá 25 tin nhắn, đáp ứng giới hạn tốc độ OpenAI của tin nhắn ChatGPT-4 mỗi 3 giờ.
Bard và HuggingChat bị lỗi trong vòng thử nghiệm đầu tiên
Trong thử nghiệm cụ thể, các nhà nghiên cứu đã tiến hành kiểm tra điểm chuẩn cho thanh ghi dịch chuyển 8 bit.
Họ yêu cầu mô hình lớn cố gắng tạo một mô hình Verilog cho một "tên thử nghiệm", sau đó cung cấp thông số kỹ thuật, xác định các cổng đầu vào và đầu ra và bất kỳ chi tiết nào khác cần thiết, đồng thời hỏi thêm mô hình lớn "Làm cách nào để tôi viết một thiết kế cho đáp ứng các thông số kỹ thuật này?"
Đồng thời, các nhà nghiên cứu cũng trực tiếp để mô hình lớn tạo ra thiết kế của băng ghế thử nghiệm:
Bạn có thể viết testbench Verilog cho thiết kế này không? Testbench phải có khả năng tự kiểm tra và có thể được sử dụng với iverilog để mô phỏng và xác minh. Nếu một trường hợp kiểm tra không thành công, băng ghế kiểm tra sẽ có thể cung cấp đủ thông tin để lỗi có thể được tìm thấy và giải quyết.
Hơn nữa, các nhà nghiên cứu đã thu được nội dung đầu ra dựa trên bốn mô hình lớn ChatGPT-4, ChatGPT-3.5, Bard và HuggingChat:
Kết quả cuối cùng cho thấy cả hai mô hình ChatGPT đều có thể đáp ứng các thông số kỹ thuật và quá trình thiết kế đã bắt đầu. Tuy nhiên, Bard và HuggingChat không đáp ứng các tiêu chí ban đầu của thông số kỹ thuật.
Mặc dù tuân theo quy trình thử nghiệm nêu trên, các nhà nghiên cứu đã yêu cầu mô hình lớn tạo lại câu trả lời thêm 5 lần nữa dựa trên lời nhắc ban đầu từ Bard và HuggingChat, nhưng sau nhiều vòng, cả hai mô hình đều thất bại. Trong số đó, Bard không phải lúc nào cũng đáp ứng được thông số kỹ thuật thiết kế nhất định và đầu ra Verilog của HuggingChat bắt đầu không chính xác sau khi định nghĩa mô-đun.
Do hiệu suất kém của Bard và HuggingChat trong các lời nhắc cơ bản về thử thách ban đầu, các nhà nghiên cứu đã quyết định chỉ tiếp tục thử nghiệm đầy đủ trên ChatGPT-4 và ChatGPT-3.5.
Cuộc thi ChatGPT-4 và ChatGPT-3.5
Hình dưới đây cho thấy kết quả điểm chuẩn của ChatGPT-4 và ChatGPT-3.5. Rõ ràng là hiệu suất của ChatGPT-3.5 kém hơn một chút so với ChatGPT-4.
Ngược lại, ChatGPT-4 thậm chí còn hoạt động tốt hơn, vượt qua hầu hết các điểm chuẩn, hầu hết chỉ yêu cầu phản hồi của công cụ. Tuy nhiên, trong thiết kế băng ghế thử nghiệm, phản hồi của con người vẫn được yêu cầu.
## ChatGPT-4 được ghép nối với các kỹ sư phần cứng để cùng nhau phát triển chip
Để khám phá tiềm năng của LLM, các nhà nghiên cứu cũng đã ghép nối các kỹ sư thiết kế phần cứng với ChatGPT-4 để thiết kế bộ vi xử lý dựa trên bộ tích lũy 8 bit.
Lời nhắc ban đầu cho ChatGPT-4 trông như thế này:
Chúng ta hãy cùng nhau thiết kế một bộ vi xử lý hoàn toàn mới... Tôi nghĩ chúng ta cần giới hạn bản thân trong kiến trúc 8-bit của bộ tích lũy, không có hướng dẫn nhiều byte. Trong trường hợp đó, bạn nghĩ chúng ta nên bắt đầu như thế nào?
Với những hạn chế về không gian, các nhà nghiên cứu nhắm đến một thiết kế kiểu von Neumann sử dụng 32 byte bộ nhớ (dữ liệu và hướng dẫn kết hợp).
Cuối cùng, ChatGPT-4 đã làm việc với các kỹ sư phần cứng để thiết kế một kiến trúc bộ vi xử lý dựa trên bộ tích lũy 8 bit mới. Bộ xử lý được xây dựng trên quy trình Skywater 130nm, có nghĩa là những "Chip-Trò chuyện" này thực hiện những gì chúng tôi tin là HDL đầu tiên trên thế giới được viết hoàn toàn bằng trí tuệ nhân tạo.
Đường dẫn dữ liệu dựa trên bộ tích lũy cho thiết kế GPT-4 (do con người vẽ)
Trong bài báo, các nhà nghiên cứu đã kết luận rằng ChatGPT-4 tạo ra mã chất lượng tương đối cao, bằng chứng là thời gian quay vòng xác thực ngắn. Xem xét giới hạn tốc độ của ChatGPT-4 là 25 tin nhắn mỗi 3 giờ, tổng ngân sách thời gian cho thiết kế này là 22,8 giờ ChatGPT-4 (bao gồm cả khởi động lại). Quá trình tạo thực tế của mỗi thông báo mất trung bình khoảng 30 giây: không giới hạn tốc độ, toàn bộ thiết kế có thể được hoàn thành trong <100 phút, tùy thuộc vào kỹ sư của con người. Mặc dù ChatGPT-4 đã tạo trình biên dịch mã Python tương đối dễ dàng, nhưng rất khó để viết các chương trình được viết cho thiết kế của chúng tôi và ChatGPT đã không viết bất kỳ chương trình thử nghiệm quan trọng nào.
Nhìn chung, các nhà nghiên cứu đã thực hiện tất cả 24 lệnh trong một loạt toàn diện các chương trình hợp ngữ do con người viết được đánh giá trong mô phỏng và mô phỏng FPGA.
ChatGPT có thể tiết kiệm chu kỳ phát triển chip
Tiến sĩ Hammond Pearce, trợ lý giáo sư nghiên cứu tại NYU Tandon và là thành viên của nhóm nghiên cứu cho biết: “Nghiên cứu này đã tạo ra thứ mà chúng tôi tin là HDL hoàn toàn do AI tạo ra để chế tạo chip vật lý. "Một số mô hình trí tuệ nhân tạo, chẳng hạn như ChatGPT của OpenAI và Bard của Google, có thể tạo mã phần mềm bằng các ngôn ngữ lập trình khác nhau, nhưng việc sử dụng chúng trong thiết kế phần cứng chưa được nghiên cứu rộng rãi. Nghiên cứu này cho thấy AI cũng có thể mang lại lợi ích cho sản xuất phần cứng, đặc biệt là khi nó được sử dụng trong cuộc trò chuyện mà bạn có thể xem đi xem lại để tinh chỉnh thiết kế.”
Tuy nhiên, trên đường đi, các nhà nghiên cứu cũng cần thử nghiệm thêm và giải quyết các cân nhắc về an toàn liên quan đến việc sử dụng AI cho thiết kế chip.
Nhìn chung, mặc dù ChatGPT không phải là một công cụ phần mềm tự động dành riêng cho lĩnh vực phần cứng, nhưng nó có thể trở thành một công cụ phụ trợ EDA và giúp các nhà thiết kế EDA giảm thiểu đáng kể ngưỡng kiến thức.
Các nhà nghiên cứu cũng nói rằng nếu được triển khai trong môi trường thế giới thực, việc sử dụng các mô hình LLM trong chế tạo chip có thể giảm lỗi của con người trong quá trình chuyển đổi HDL, giúp cải thiện năng suất, giảm thời gian thiết kế và thời gian đưa ra thị trường, đồng thời cho phép thiết kế sáng tạo hơn . Trên thực tế, chỉ riêng về điều này, ChatGPT đã xứng đáng được các kỹ sư phần cứng sử dụng để tham gia vào nhiều nỗ lực và khám phá hơn trong lĩnh vực phần cứng.
Để biết quy trình kiểm tra chi tiết hơn, hãy xem bài viết:
thẩm quyền giải quyết:
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
ChatGPT cũng có thể được sử dụng để tạo lõi, chỉ cần nói tiếng Anh? !
Tổ chức |Tư Min
Liệt kê | CSDN (ID: CSDNnews)
ChatGPT có thực sự tuyệt vời như vậy không?
Các nhà nghiên cứu từ Trường Kỹ thuật Tandon của Đại học New York đã xuất bản bài báo "Chip-Chat: Thách thức và Cơ hội trong Thiết kế Phần cứng Đàm thoại", trả lời bằng các thử nghiệm: Có, ChatGPT thực sự mạnh hơn!
Chỉ cần trò chuyện với ChatGPT bằng ngôn ngữ tự nhiên đơn giản là tiếng Anh, một con chip vi xử lý đã được sản xuất. Điều đáng chú ý hơn là với sự trợ giúp của ChatGPT, thành phần chip này không chỉ được thiết kế mà còn có thể được sản xuất sau khi thử nghiệm cơ bản.
Như vậy, thời đại “làm cốt” của toàn dân có thực sự đến? Ở đây, chúng ta cũng có thể xem xét cách các nhà nghiên cứu đã làm điều đó.
Ứng dụng AI mô hình lớn, lĩnh vực phần cứng tụt hậu so với phần mềm
Trong bài báo, các nhà nghiên cứu chỉ ra rằng thiết kế phần cứng hiện đại bắt đầu với các thông số kỹ thuật do ngôn ngữ tự nhiên cung cấp, chẳng hạn như các yêu cầu tài liệu tiếng Anh, sau đó các kỹ sư phần cứng sử dụng các ngôn ngữ mô tả phần cứng (HDL) như Verilog để xây dựng các yêu cầu bằng mã để hoàn thành thiết kế bên trong chip và cuối cùng được tổng hợp thành các thành phần mạch.
Chà, khi thời đại của AIGC sắp đến, chẳng hạn như ChatGPT của OpenAI và Bard của Google tuyên bố có thể tạo mã và nhiều nhà phát triển đã sử dụng chúng để tạo hết trang web này đến trang web khác, nhưng phạm vi ứng dụng hiện tại chủ yếu tập trung vào lĩnh vực phần mềm ., liệu những công cụ AIGC này có thể thay thế công việc "dịch" (chuyển các yêu cầu từ tài liệu thành mã) của các kỹ sư phần cứng hay không.
Dựa trên điều này, các nhà nghiên cứu đã sử dụng tám điểm chuẩn đại diện để điều tra các khả năng và hạn chế của các LLM tiên tiến nhất khi tạo ra cách viết của chính ngôn ngữ mô tả phần cứng.
Trong thử nghiệm, các nhà nghiên cứu đã sử dụng ChatGPT như một bộ nhận dạng mẫu (hoạt động như con người), có thể chuyển đổi tự do ở nhiều loại ngôn ngữ (nói, viết), đồng thời ChatGPT cho phép các kỹ sư phần cứng bỏ qua giai đoạn HDL.
Quá trình xác minh tổng thể được thể hiện trong hình dưới đây:
Nếu một thiết kế không đáp ứng thông số kỹ thuật, nó sẽ được tạo thêm năm lần nữa với cùng một lời nhắc. Nếu nó vẫn không đáp ứng các đặc điểm kỹ thuật, thì nó không thành công.
Khi các thiết kế và trường hợp thử nghiệm đã được viết, chúng được biên dịch bằng Icarus Verilog (iverilog, một trong những công cụ triển khai cho ngôn ngữ mô tả phần cứng Verilog). Nếu quá trình biên dịch thành công, quá trình mô phỏng sẽ được thực hiện. Nếu không có lỗi nào được báo cáo, thiết kế sẽ vượt qua, Không yêu cầu phản hồi (NFN).
Nếu lỗi được báo cáo bởi bất kỳ thao tác nào trong số này, chúng sẽ được đưa trở lại mô hình và được yêu cầu "vui lòng cung cấp bản sửa lỗi", điều này được gọi là Phản hồi của Công cụ (TF). Nếu cùng một lỗi hoặc loại lỗi xảy ra ba lần, Người dùng sẽ đưa ra Phản hồi Đơn giản của Con người (SHF), thường bằng cách cho biết loại sự cố nào trong Verilog đã gây ra lỗi (ví dụ: lỗi cú pháp trong một câu lệnh).
Phản hồi của con người vừa phải (MHF) được cung cấp nếu lỗi vẫn còn và thông tin trực tiếp hơn một chút được cung cấp cho công cụ để xác định lỗi cụ thể.
Nếu lỗi vẫn còn, Phản hồi nâng cao của con người (AHF) sẽ được đưa ra, dựa trên việc xác định chính xác vị trí của lỗi và cách khắc phục.
Khi thiết kế được biên dịch và mô phỏng, không có trường hợp thử nghiệm nào bị lỗi, nó được coi là thành công.
Nhưng nếu phản hồi cấp cao không khắc phục được lỗi hoặc người dùng cần viết bất kỳ mã Verilog nào để khắc phục lỗi, thử nghiệm được coi là thất bại. Thử nghiệm cũng được coi là không thành công nếu phiên vượt quá 25 tin nhắn, đáp ứng giới hạn tốc độ OpenAI của tin nhắn ChatGPT-4 mỗi 3 giờ.
Bard và HuggingChat bị lỗi trong vòng thử nghiệm đầu tiên
Trong thử nghiệm cụ thể, các nhà nghiên cứu đã tiến hành kiểm tra điểm chuẩn cho thanh ghi dịch chuyển 8 bit.
Họ yêu cầu mô hình lớn cố gắng tạo một mô hình Verilog cho một "tên thử nghiệm", sau đó cung cấp thông số kỹ thuật, xác định các cổng đầu vào và đầu ra và bất kỳ chi tiết nào khác cần thiết, đồng thời hỏi thêm mô hình lớn "Làm cách nào để tôi viết một thiết kế cho đáp ứng các thông số kỹ thuật này?"
Bạn có thể viết testbench Verilog cho thiết kế này không? Testbench phải có khả năng tự kiểm tra và có thể được sử dụng với iverilog để mô phỏng và xác minh. Nếu một trường hợp kiểm tra không thành công, băng ghế kiểm tra sẽ có thể cung cấp đủ thông tin để lỗi có thể được tìm thấy và giải quyết.
Do hiệu suất kém của Bard và HuggingChat trong các lời nhắc cơ bản về thử thách ban đầu, các nhà nghiên cứu đã quyết định chỉ tiếp tục thử nghiệm đầy đủ trên ChatGPT-4 và ChatGPT-3.5.
Cuộc thi ChatGPT-4 và ChatGPT-3.5
Hình dưới đây cho thấy kết quả điểm chuẩn của ChatGPT-4 và ChatGPT-3.5. Rõ ràng là hiệu suất của ChatGPT-3.5 kém hơn một chút so với ChatGPT-4.
Ngược lại, ChatGPT-4 thậm chí còn hoạt động tốt hơn, vượt qua hầu hết các điểm chuẩn, hầu hết chỉ yêu cầu phản hồi của công cụ. Tuy nhiên, trong thiết kế băng ghế thử nghiệm, phản hồi của con người vẫn được yêu cầu.
Để khám phá tiềm năng của LLM, các nhà nghiên cứu cũng đã ghép nối các kỹ sư thiết kế phần cứng với ChatGPT-4 để thiết kế bộ vi xử lý dựa trên bộ tích lũy 8 bit.
Lời nhắc ban đầu cho ChatGPT-4 trông như thế này:
Chúng ta hãy cùng nhau thiết kế một bộ vi xử lý hoàn toàn mới... Tôi nghĩ chúng ta cần giới hạn bản thân trong kiến trúc 8-bit của bộ tích lũy, không có hướng dẫn nhiều byte. Trong trường hợp đó, bạn nghĩ chúng ta nên bắt đầu như thế nào?
Cuối cùng, ChatGPT-4 đã làm việc với các kỹ sư phần cứng để thiết kế một kiến trúc bộ vi xử lý dựa trên bộ tích lũy 8 bit mới. Bộ xử lý được xây dựng trên quy trình Skywater 130nm, có nghĩa là những "Chip-Trò chuyện" này thực hiện những gì chúng tôi tin là HDL đầu tiên trên thế giới được viết hoàn toàn bằng trí tuệ nhân tạo.
Trong bài báo, các nhà nghiên cứu đã kết luận rằng ChatGPT-4 tạo ra mã chất lượng tương đối cao, bằng chứng là thời gian quay vòng xác thực ngắn. Xem xét giới hạn tốc độ của ChatGPT-4 là 25 tin nhắn mỗi 3 giờ, tổng ngân sách thời gian cho thiết kế này là 22,8 giờ ChatGPT-4 (bao gồm cả khởi động lại). Quá trình tạo thực tế của mỗi thông báo mất trung bình khoảng 30 giây: không giới hạn tốc độ, toàn bộ thiết kế có thể được hoàn thành trong <100 phút, tùy thuộc vào kỹ sư của con người. Mặc dù ChatGPT-4 đã tạo trình biên dịch mã Python tương đối dễ dàng, nhưng rất khó để viết các chương trình được viết cho thiết kế của chúng tôi và ChatGPT đã không viết bất kỳ chương trình thử nghiệm quan trọng nào.
Nhìn chung, các nhà nghiên cứu đã thực hiện tất cả 24 lệnh trong một loạt toàn diện các chương trình hợp ngữ do con người viết được đánh giá trong mô phỏng và mô phỏng FPGA.
ChatGPT có thể tiết kiệm chu kỳ phát triển chip
Tiến sĩ Hammond Pearce, trợ lý giáo sư nghiên cứu tại NYU Tandon và là thành viên của nhóm nghiên cứu cho biết: “Nghiên cứu này đã tạo ra thứ mà chúng tôi tin là HDL hoàn toàn do AI tạo ra để chế tạo chip vật lý. "Một số mô hình trí tuệ nhân tạo, chẳng hạn như ChatGPT của OpenAI và Bard của Google, có thể tạo mã phần mềm bằng các ngôn ngữ lập trình khác nhau, nhưng việc sử dụng chúng trong thiết kế phần cứng chưa được nghiên cứu rộng rãi. Nghiên cứu này cho thấy AI cũng có thể mang lại lợi ích cho sản xuất phần cứng, đặc biệt là khi nó được sử dụng trong cuộc trò chuyện mà bạn có thể xem đi xem lại để tinh chỉnh thiết kế.”
Tuy nhiên, trên đường đi, các nhà nghiên cứu cũng cần thử nghiệm thêm và giải quyết các cân nhắc về an toàn liên quan đến việc sử dụng AI cho thiết kế chip.
Nhìn chung, mặc dù ChatGPT không phải là một công cụ phần mềm tự động dành riêng cho lĩnh vực phần cứng, nhưng nó có thể trở thành một công cụ phụ trợ EDA và giúp các nhà thiết kế EDA giảm thiểu đáng kể ngưỡng kiến thức.
Các nhà nghiên cứu cũng nói rằng nếu được triển khai trong môi trường thế giới thực, việc sử dụng các mô hình LLM trong chế tạo chip có thể giảm lỗi của con người trong quá trình chuyển đổi HDL, giúp cải thiện năng suất, giảm thời gian thiết kế và thời gian đưa ra thị trường, đồng thời cho phép thiết kế sáng tạo hơn . Trên thực tế, chỉ riêng về điều này, ChatGPT đã xứng đáng được các kỹ sư phần cứng sử dụng để tham gia vào nhiều nỗ lực và khám phá hơn trong lĩnh vực phần cứng.
Để biết quy trình kiểm tra chi tiết hơn, hãy xem bài viết:
thẩm quyền giải quyết: