Google afirma que su inteligencia artificial diseña chips mucho más rápido que los humanos. El proceso, que normalmente dura meses, se ha logrado reducir a seis horas cuando se introducen modelos avanzados de aprendizaje automático.
Según un estudio reciente, el sector de la manufacturación utiliza cada vez más la inteligencia artificial en sus procesos de fabricación. Y la mayoría de esas compañías ya dedican más de un tercio de su presupuesto de IT a la implementar esta tecnología. Google no podía ser menos.
Como afirma Nature, que felicitó a la compañía por su hazaña, «los investigadores de Google han logrado reducir en gran medida el tiempo necesario para diseñar microchips. Este es un logro importante y será de gran ayuda para acelerar la cadena de suministro».
Hasta ahora, este método de fabricación se encontraba en fase de experimentación, pero parece que los resultados ya son bastante prometedores. Tanto es así, que algunos de sus productos comerciales ya serán diseñados por máquinas, lo que permitirá elaborar más en menos tiempo. Precisamente, Google aprovechará esta IA para diseñar la próxima generación de chips TPU (Tensor Proccesing Units), que se usan para mejorar el rendimiento de los modelos de aprendizaje automático.
Excited to share that our work has been published in Nature! Our RL agent generates chip layouts in just a few hours, whereas human experts can take months. These superhuman AI-generated layouts were used in Google's latest AI accelerator (TPU-v5)! https://t.co/k12Kj4jfbC
— Anna D Goldie (@annadgoldie) June 9, 2021
«Nuestro agente de RL (aprendizaje por refuerzo) genera diseños de chips en solo unas pocas horas, mientras que los expertos humanos pueden tardar meses», declaró en Twitter Anna Goldie, científica investigadora de Google Brain. «¡Estos diseños sobrehumanos generados por IA se utilizaron en el último acelerador de IA de Google (TPU-v5)!»
«Floorplanning» o cómo optimizar el rendimiento de los chips
El gigante de las búsquedas no sólo ha conseguido que su IA diseñe chips más rápido que los profesionales humanos, sino también hacerlos más eficientes y veloces. Para ello, se la dotó con un conjunto de datos que incluía 10.000 diseños de circuitos integrados de distinta calidad.
De esta manera, se mejoró la capacidad de este modelo de aprendizaje automático para distinguir los buenos diseños de los mediocres y, por ende, poder crear los chips más perfectos. La IA trabaja rápido, pero también plantea soluciones más eficaces, ya que determina donde deben colocarse los distintos componentes del chip para que su rendimiento sea óptimo, una técnica conocida como “Floorplanning”.
Como mencionamos, esta tarea puede llevarle meses a los ingenieros, pero para la inteligencia artificial es una cuestión de horas. Mediante el “Floorplanning”, decide colocar las piezas en distintos macrobloques, como si de un puzle se tratase, para que el diseño resultante garantice el mejor rendimiento posible. Esta distribución es fundamental ya que determina la velocidad a la que se trasmiten las señales en el chip y, por tanto, la eficacia del dispositivo final. Además, la IA también tiene en cuenta que hay que dejar algo de espacio para otros componentes como el cableado.
El proceso de fabricación se simplificará de una manera nunca antes vista
Tal y como comentan en Google, hay una cantidad enorme de posibilidades a la hora de ubicar los distintos elementos que componen un chip: ni más ni menos que 2.500 configuraciones distintas a tener en cuenta. Sin embargo, esa cifra sigue y seguirá aumentando en el futuro.
La ley de Moore establece que aproximadamente cada 2 años se duplica la cantidad de transistores en un microprocesador, lo que supone un reto cada vez más difícil para los ingenieros. Sin duda, este nuevo modelo de diseño generado por inteligencia artificial acelerará la fabricación de chips y aligerará la carga de trabajo de los profesionales de una manera nunca antes vista.
Tras 40 años de pruebas, por fin una compañía ha conseguido superar el desafío del “Floorplanning” impulsado por una IA, algo que, sin duda, supone un hito en la historia. Yann LeCun, científico jefe de inteligencia artificial en Facebook también quiso presentar sus respetos a Google por ese logro: «muy buen trabajo de Google en la optimización profunda basada en RL para el diseño de chips».
