AI-Generated RTL Code: A Functional Evaluation of Natural-Language and HLS Prompting
تقيم هذه الدراسة قدرة النماذج اللغوية الكبيرة التجارية على توليد كود Verilog RTL وظيفي من مواصفات عالية المستوى، حيث وجدت أن استخدام مطالبات HLS-C يحسن الدقة بشكل ملحوظ مقارنة باللغة الطبيعية، مع الكشف عن تحديات مستمرة تتعلق بأخطاء المحاكاة ومحدودية التعميم عبر عروض عرض البتات المتغيرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول بناء مصنع صغير فائق السرعة داخل شريحة دقيقة. هذا ليس مصنعاً لصناعة الألعاب أو السيارات؛ بل هو مصنع رقمي يعالج المعلومات بسرعة الضوء. لبناء هذا المصنع، يكتب المهندسون نوعاً خاصاً من كتيبات التعليمات يسمى كود RTL (مستوى نقل المسجلات). فكر في هذا الكود كأنه المخطط الهندسي لسيور النقل، وأذرع التجميع، وإشارات المرور في المصنع. إذا احتوى هذا المخطط حتى على خطأ واحد صغير، فقد يتعطل المصنع بالكامل، أو يشتعل فيه حريق، أو يتوقف عن العمل تماماً.
لفترة طويلة، كان كتابة هذه المخططات تشبه التحدث بلغة سرية وجامدة لا يفهمها إلا قلة من الخبراء. ولكن الآن، لدينا الذكاء الاصطناعي (AI) الذي يجيد بشكل مذهل كتابة الأكواد البرمجية للبرمجيات — مثل التطبيقات الموجودة على هاتفك أو المواقع التي تزورها. بدأ الناس يتساءلون: "إذا كان الذكاء الاصطناعي يستطيع كتابة أكواد البرمجيات بهذا الجيد، فهل يمكنه أيضاً كتابة هذه المخططات الهاردوير المعقدة؟" هذا هو السؤال الكبير الذي عالجه الباحثون. أرادوا معرفة ما إذا كان بإمكان ذكاء اصطناعي ذكي أن ينظر إلى وصف بسيط لمهمة في العتاد (Hardware) ويحولها إلى مخطط مصنع يعمل، أم أنه سيصاب بالارتباك بسبب القواعد الصارمة للعتاد.
التجربة: الدردشة مقابل البرمجة
قام الباحثون بإعداد اختبار ضخم لمعرفة مدى قدرة نماذج الذكاء الاصطناعي المختلفة على القيام بهذه المهمة. وقد أعطوا الذكاء الاصطناعي طريقتين مختلفتين تماماً لطلب المخطط:
- الأسلوب "الدردشي" (اللغة الطبيعية): أخبروا الذكاء الاصطناعي ببساطة باللغة الإنجليزية العادية ما يجب أن يفعله العتاد. على سبيل المثال، "اصنع آلة تضرب رقمين". الأمر يشبه أن تطلب من صديق: "مهلاً، اصنع لي شطيرة"، دون إعطائه وصفة محددة.
- أسلوب "المبرمج" (التلقين باستخدام HLS-C): بدلاً من اللغة الإنجليزية العادية، أعطوا الذكاء الاصطناعي قطعة من كود C (وهي لغة برمجة شائعة) تصف المنطق. هذا يشبه تسليم الذكاء الاصطناعي وصفة مفصلة مكتوبة بلغة يعرفها جيداً، وطلب ترجمة هذه الوصفة إلى "لغة المصنع" الخاصة (Verilog).
اختبروا ذلك على سبعة نماذج مختلفة من الذكاء الاصطناعي (بما في ذلك أسماء كبيرة مثل GPT-4 وGemini) وطلبوا منهم بناء ثمانية أنواع مختلفة من الدوائر الرقمية، تتراوح من وحدات تحكم بسيطة في إشارات المرور إلى آلات حسابية معقدة. قاموا بتشغيل كل اختبار 30 مرة لمعرفة ما إذا كان بإمكان الذكاء الاصطناعي النجاح عن طريق الصدفة أم أنه يفهم المهمة حقاً.
النتائج: الوصفة هي الفائزة
كانت النتائج واضحة تماماً، وقد تفاجئكم. عندما تمت "الدردشة" مع الذكاء الاصطناعي باللغة الإنجليزية العادية، واجه صعوبة. في المتوسط، نجحت حوالي 26.9% فقط من المخططات التي أنتجها في العمل. في معظم الأوقات، ارتكب الذكاء الاصطناعي أخطاءً تشبه محاولة بناء منزل باستخدام طوب خاطئ — حيث لا يعمل الكود حتى (لا يبدأ التشغيل)، أو يعمل ولكنه يعطي نتائج خاطئة.
ومع ذلك، عندما انتقل الباحثون إلى وصفة كود C (التلقين باستخدام HLS-C)، قفز أداء الذكاء الاصطناعي. ارتفع معدل النجاح إلى 39.5%. هذه طفرة كبيرة! إنها تشير إلى أنه على الرغم من ذكاء الذكاء الاصطناعي، إلا أنه يفكر كمبرمج أكثر من كونه مهندس عتاد. عندما تعطيه وصفة برمجية مهيكلة، يعرف بالضبط كيفية ترجمة تلك الخطوات إلى لغة العتاد. الأمر يشبه قول الذكاء الاصطناعي: "أوه، لقد أعطيتني وصفة بالفرنسية؟ يمكنني ترجمة ذلك إلى الإسبانية ببراعة. لكن إذا قلت لي فقط 'اصنع شطيرة' بالإنجليزية، فقد أخمن المكونات الخاطئة".
اختبار "الرقم الغريب": هل يحفظ أم يفهم؟
لمعرفة ما إذا كان الذكاء الاصطناعي يقوم فقط بنسخ الإجابات التي رآها من قبل (الحفظ) أم أنه يفهم حقاً كيفية بناء هذه الآلات، لعب الباحثون خدعة. طلبوا من الذكاء الاصطناعي بناء "مضاعف" (آلة رياضية) باستخدام أعداد غريبة وغير معتادة من الـ "بت" (bits)، مثل 7 بت أو 31 بت. هذه أعداد نادراً ما تراها في الحياة الواقعية، لذا لا يمكن للذكاء الاصطناعي أن يكون قد حفظ الإجابة من بيانات التدريب الخاصة به.
كانت النتائج هنا رائعة. تعاملت بعض النماذج الأكثر ذكاءً (مثل o4-mini و Gemini 2.5 Pro) مع هذه الأرقام الغريبة بشكل شبه مثالي، حيث نجحت في أكثر من 90% من المرات. هذا يشير إلى أن هذه النماذج لا تقوم بمجرد النسخ واللصق؛ بل إنها تفهم المنطق الخاص بكيفية بناء الآلة، بغض النظر عن حجمها. يمكنها "التعميم"، مما يعني أنها تستطيع تطبيق القواعد على مواقف جديدة لم ترها من قبل.
العقبة: لم يكتمل الأمر بعد
على الرغم من التحسينات، توضح الورقة البحثية بوضوح أننا لم نصل إلى هناك بعد. فحتى مع استخدام أسلوب "الوصفة"، لا يزال الذكاء الاصطناعي يفشل في كثير من الأحيان أكثر مما ينجح. المشكلة الكبرى ليست في أن الذكاء الاصطناعي يخطئ في "القواعد" (مثل الأخطاء الإملائية)؛ بل في أنه يخطئ في التوقيت (Timing).
تخيل أن الذكاء الاصطناعي بنى مصنعاً حيث يتحرك سير النقل أسرع بثانية واحدة. المخطط يبدو مثالياً، والآلة تعمل، لكن المنتجات تسقط من الخط قبل أن يتم تغليفها. في الدراسة، كانت هذه "أخطاء المحاكاة" هي الأخطاء الأكثر شيوعاً. غالباً ما ينشئ الذكاء الاصطناعي كوداً يبدو صحيحاً ولكنه يتصرف بشكل خاطئ قليلاً عندما يبدأ الوقت في التحرك. إصلاح هذه الأخطاء أمر صعب لأنه يتطلب فهماً عميقاً لكيفية سلوك العتاد بمرल مرور الوقت، وهو أمر لا يزال الذكاء الاصطناعي يعاني فيه.
وجد الباحثون أيضاً أنه عندما نجح الذكاء الاصطناعي، فإن العتاد الناتج كان غالباً بنفس سرعة، أو حتى أسرع من المخططات التي يكتبها الخبراء البشر. وهذا يعد فوزاً كبيراً، مما يشير إلى أنه إذا تمكنا من جعل الذكاء الاصطناعي يتوقف عن ارتكاب تلك الأخطاء الصغيرة في التوقيت، فقد يكون مساعداً خارق القوة للمهندسين.
الخلاصة
إذاً، ما هي الفائدة المستخلصة؟ الذكاء الاصطناعي يصبح جيداً جداً في مساعدتنا على تصميم شرائح الكمبيوتر، لكنه ليس مستعداً لتولي الوظيفة بالكامل بمفرده بعد. إنه يشبه متدرباً عبقرياً يمكنه صياغة تصميم رائع إذا أعطيته خطة واضحة ومنظمة (مثل وصفة كود C)، لكنه لا يزال بحاجة إلى مشرف بشري للتحقق من التفاصيل النهائية والتأكد من أن المصنع لن ينهار.
تشير الدراسة إلى أن استخدام التلقين القائم على الكود هو طريقة أفضل بكثير للتحدث مع نماذج الذكاء الاصطنا هذه من مجرد الدردشة باللغة الإنجليزية العادية. وبينما لا يزال الذكاء الاصطناعي يرتكب أخطاء تتطلب تصحيحاً بشرياً، إلا أنه يثبت بالفعل أنه أداة قوية لتسريع عملية التصميم ومساعدة الأشخاص الجدد في هندسة العتاد على البدء. نحن لسنا في النقطة التي يمكن فيها للذكاء الاصطناعي بناء شريحة من الصفر دون مساعدة، لكننا بالتأكيد نتحرك في الاتجاه الصحيح.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.