La inteligencia artificial conquista la ¨²ltima frontera: el dise?o de sus propios chips

Un sistema de inteligencia artificial (IA) creado por ingenieras de Google dise?a chips tan buenos como los creados por los humanos, pero en una fracci¨®n del tiempo de lo que estos tardan en dise?arlos. Este nuevo m¨¦todo de aprendizaje autom¨¢tico est¨¢ basado en un sistema de premios y castigos inspirado en la psicolog¨ªa conductista. El planeamiento de los microchips era el ¨²ltimo gran reducto que se resist¨ªa a la automatizaci¨®n. Google ya lo est¨¢ usando en la creaci¨®n de sus futuros sistemas de IA.

Antes de que las m¨¢quinas fabriquen los chips como rosquillas y los pinchen en placas de silicio, un humano ha tenido que dise?arlos. Como un arquitecto cuando planea una casa, el ingeniero de hardware (equipo inform¨¢tico) planifica la distribuci¨®n ¨®ptima posible de las distintas partes del microchip sobre una plantilla. En ingl¨¦s se llama floorplanning (algo as¨ª como planeamiento de base). La catedr¨¢tica de tecnolog¨ªa electr¨®nica de la Universidad Polit¨¦cnica de Madrid (UPM) Marisa L¨®pez-Vallejo lo compara con las piezas a colocar en el Tetris, ¡°pero un Tetris muy complejo¡±. No es solo que sean millones de piezas a colocar, es que son muy variables en forma y tama?o. Adem¨¢s, hay que ponerlas en el menor espacio posible e interconectarlas. Todo ello con la premisa de que todo el sistema sea lo m¨¢s r¨¢pido y potente usando la menor energ¨ªa y longitud de cable que se pueda. El profesor de arquitectura y tecnolog¨ªa de computadores de la Universidad Aut¨®noma de Madrid (UAM) Eduardo Boemo lo tiene claro: ¡°Esto lo hacen mejor los humanos que las m¨¢quinas¡±.

Ahora, la revista Nature publica una investigaci¨®n que indica que las m¨¢quinas lo pueden hacer igual o mejor que los humanos y mucho m¨¢s r¨¢pido. El trabajo, liderado por las ingenieras de Google Research Azalia Mirhoseini y Anna Goldie, muestra c¨®mo un m¨¦todo de aprendizaje autom¨¢tico (machine learning en ingl¨¦s) ideado por ellas ha dise?ado chips en menos de seis horas igualando o superando en los par¨¢metros m¨¢s importantes a los de los humanos.

En un chip hay millones de componentes a colocar y las posibles combinaciones son infinitas, pero no todas son ¨®ptimas

¡°Nuestro enfoque puede generar autom¨¢ticamente planos de base que son comparables o superiores a los dise?os humanos en prestaciones, rendimiento y ¨¢rea¡±, dice Goldie. ¡°Est¨¢ completamente automatizado y converge en unas pocas horas, mientras que los expertos humanos pueden tardar meses en ofrecer resultados¡±, a?ade. En este caso, lograron un dise?o en menos de seis horas que superaba a los creados por humanos en varias semanas.

Para lograrlo, usaron un sistema de inteligencia artificial denominado aprendizaje por refuerzo que toma prestados elementos de la psicolog¨ªa de la conducta. ¡°En esencia, le ense?amos a una IA a jugar a colocar fichas¡±, comenta Mirhoseini. ¡°En t¨¦rminos un poco m¨¢s t¨¦cnicos, desarrollamos un m¨¦todo de aprendizaje por refuerzo (AR) capaz de aprender de experiencias pasadas para que sea cada vez mejor y m¨¢s r¨¢pido en la colocaci¨®n de nuevos chips¡±. Alimentado con informaci¨®n sobre los componentes del chip, las dimensiones de la plantilla, las restricciones que tiene o aspectos a optimizar, como la longitud de cable, congesti¨®n de enrutamiento o el consumo de energ¨ªa, el sistema va probando distintas combinaciones, siendo reforzado con cada mejora.

Jos¨¦ Miguel Hern¨¢ndez-Lobato es profesor de aprendizaje autom¨¢tico en la Universidad de Cambridge. En la actualidad usa el aprendizaje por refuerzo para generar mol¨¦culas en 3D que pudieran usarse en nuevos f¨¢rmacos o antivirales. ¡°Est¨¢ superando a los humanos¡±, dice, all¨ª donde la secuencia de posibles combinaciones es muy grande. ¡°Como en un videojuego, nadie te dice lo que tienes que hacer en cada momento, solo recibes una puntuaci¨®n al final de la partida¡±, compara. Lo que hace este sistema de IA es encontrar la secuencia de acciones con la mayor puntuaci¨®n, que aqu¨ª ser¨ªa d¨®nde colocar el siguiente elemento del chip. ¡°Los ingenieros hacen esto manualmente, pero si creen que la soluci¨®n no es la ¨®ptima, para mejorar el chip necesitan otras dos o tres semanas¡±, destaca.

La tarea no es f¨¢cil, en un chip hay millones de componentes, como puertas l¨®gicas o bloques de memoria. Los segundos son varias ¨®rdenes de magnitud mayores (todo siempre a escala nanom¨¦trica), lo que complica el despliegue. Adem¨¢s hay restricciones b¨¢sicas, como que las conexiones entre los distintos componentes no pueden cruzarse. Jos¨¦ L. Ayala es profesor de la facultad de inform¨¢tica de la Universidad Complutense de Madrid (UCM). ¡°Cuando yo estudiaba, el floorplanning era un arte y los que lo hac¨ªan eran mitad ingenieros, mitad artistas¡±, recuerda. Hoy, el planeamiento de los chips ser¨ªa imposible sin la ayuda de sistemas de dise?o asistido apoyados en algoritmos. Pero son humanos los que los operan y los que tienen la ¨²ltima palabra. ¡°Adem¨¢s, estos algoritmos no aprenden¡±, recuerda Ayala. El sistema creado por Google s¨ª aprende y mejora con cada repetici¨®n.

Para L¨®pez-Vallejo, ¡°con este m¨¦todo est¨¢n consiguiendo algo mejor e infinitamente m¨¢s r¨¢pido¡±. Y el ahorro de tiempo no solo significa hacer lo mismo en menos horas. ¡°Los humanos, cuando ya tienen un plano de base que les parece bueno, ya no lo cambian, ya que ser¨ªa muy costoso. Con este sistema lo puedes deshacer y volver a iterar. Esto es muy valioso¡±, a?ade. Las autoras tambi¨¦n dicen que su investigaci¨®n puede tener aplicaciones m¨¢s all¨¢ del dise?o de chips, como el planeamiento urbano, ingenier¨ªa ambiental o la propia distribuci¨®n de vacunas. En general, se podr¨ªa usar en la toma de decisiones ante problemas con gran cantidad de opciones y un n¨²mero reducido de recompensas.

Pero los expertos consultados ven tambi¨¦n bastante propaganda en esta investigaci¨®n. Ayala, de la UCM, por ejemplo, dice que ¡°una cosa es probarlo en una cajita cuadrada y otra bien distinta ponerlo en una familia de procesadores como los de Intel¡±. Los ordenadores dom¨¦sticos llevan unidades de procesamiento de prop¨®sito general: no destacan en nada, pero son medianamente buenos para hacer muchas cosas. ¡°Los procesadores de Google en los que pretenden aplicar este m¨¦todo est¨¢n muy optimizados para el aprendizaje autom¨¢tico, por lo que son muy homog¨¦neos en su arquitectura¡±, recuerda Ayala. Y esto le pone las cosas m¨¢s f¨¢ciles a la inteligencia artificial.

Por su parte, Boemo sigue sin ver claro qu¨¦ hace Google meti¨¦ndose en el terreno del dise?o de chips. El inter¨¦s econ¨®mico es obvio: ¡°Un mil¨ªmetro de un circuito vale una fortuna¡±, comenta. Pero, a?ade, ¡°las pocas empresas que fabrican circuitos integrados no te van a decir c¨®mo son y dudo que Google tenga la materia prima para hacer esto¡±. Sin embargo, el gigante de los buscadores anuncia que los futuros chips para sus herramientas de inteligencia artificial ser¨¢n dise?ados, precisamente, por esta inteligencia artificial.

Puedes seguir a MATERIA en Facebook, Twitter e Instagram, o apuntarte aqu¨ª para recibir nuestra newsletter semanal.