LA INTELIGENCIA ARTIFICIAL CONQUISTA LA ÚLTIMA FRONTERA:

EL DISEÑO DE SUS PROPIOS CHIPS

Ingenieras de Google crean un sistema de aprendizaje automático que planea

en horas microchips tan buenos como los que los humanos crean en meses

Un sistema de inteligencia artificial (IA) creado por ingenieras de Google diseña

chips tan buenos como los creados por los humanos, pero en una fracción del
tiempo de lo que estos tardan en diseñarlos. Este nuevo método de aprendizaje
automático está basado en un sistema de premios y castigos inspirado en la
psicología conductista. El planeamiento de los microchips era el último gran
reducto que se resistía a la automatización. Google ya lo está usando en la
creación de sus futuros sistemas de IA.

Antes de que las máquinas fabriquen los chips como rosquillas y los pinchen en
placas de silicio, un humano ha tenido que diseñarlos. Como un arquitecto cuando
planea una casa, el ingeniero de hardware (equipo informático) planifica la
distribución más óptima posible de las distintas partes del microchip sobre una
plantilla. En inglés se llama floorplanning (algo así como planeamiento de base).
La catedrática de tecnología electrónica de la Universidad Politécnica de
Madrid (UPM) Marisa López-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 tamaño. Además, hay que ponerlas
en el menor espacio posible e interconectarlas. Todo ello con la premisa de que
todo el sistema sea lo más rápido y potente usando la menor energía y longitud de
cable que se pueda. El profesor de arquitectura y tecnología de computadores de
la Universidad Autónoma de Madrid (UAM) Eduardo Boemo lo tiene claro:
“Esto lo hacen mejor los humanos que las máquinas”.

Ahora, la revista Nature publica una investigación que indica que las máquinas lo
pueden hacer igual o mejor que los humanos y mucho más rápido. El trabajo,
liderado por las ingenieras de Google Research Azalia Mirhoseini y Anna Goldie,
muestra cómo un método de aprendizaje automático (machine learning en inglés)
ideado por ellas ha diseñado chips en menos de seis horas igualando o superando
en los parámetros más importantes a los de los humanos.

“Nuestro enfoque puede generar automáticamente planos de base que son

comparables o superiores a los diseños humanos en prestaciones, rendimiento y
área”, dice Goldie. “Está completamente automatizado y converge en unas pocas
horas, mientras que los expertos humanos pueden tardar meses en ofrecer
resultados”, añade. En este caso, lograron un diseño 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 psicología de la conducta. “En
esencia, le enseñamos a una IA a jugar a colocar fichas”, comenta Mirhoseini.
“En términos un poco más técnicos, desarrollamos un método de aprendizaje por
refuerzo (AR) capaz de aprender de experiencias pasadas para que sea cada vez
mejor y más rápido en la colocación de nuevos chips”. Alimentado con
información sobre los componentes del chip, las dimensiones de la plantilla, las
restricciones que tiene o aspectos a optimizar, como la longitud de cable,
congestión de enrutamiento o el consumo de energía, el sistema va probando
distintas combinaciones, siendo reforzado con cada mejora.

José Miguel Hernández-Lobato es profesor de aprendizaje automático en la

Universidad de Cambridge. En la actualidad usa el aprendizaje por refuerzo
para generar moléculas en 3D que pudieran usarse en nuevos fármacos o
antivirales. “Está superando a los humanos”, dice, allí 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 puntuación al final de la
partida”, compara. Lo que hace este sistema de IA es encontrar la secuencia de
acciones con la mayor puntuación, que aquí sería dónde colocar el siguiente
elemento del chip. “Los ingenieros hacen esto manualmente, pero si creen que la
solución no es la óptima, para mejorar el chip necesitan otras dos o tres semanas”,
destaca.

La tarea no es fácil, en un chip hay millones de componentes, como puertas

lógicas o bloques de memoria. Los segundos son varias órdenes de magnitud
mayores (todo siempre a escala nanométrica), lo que complica el despliegue.
Además hay restricciones básicas, como que las conexiones entre los distintos
componentes no pueden cruzarse. José L. Ayala es profesor de la facultad de
informática de la Universidad Complutense de Madrid (UCM). “Cuando yo
estudiaba, el floorplanning era un arte y los que lo hacían eran mitad ingenieros,
mitad artistas”, recuerda. Hoy, el planeamiento de los chips sería imposible sin la
ayuda de sistemas de diseño asistido apoyados en algoritmos. Pero son humanos
los que los operan y los que tienen la última palabra. “Además, estos
algoritmos no aprenden”, recuerda Ayala. El sistema creado por Google sí
aprende y mejora con cada repetición.

Para López-Vallejo, “con este método están consiguiendo algo mejor e

infinitamente más rápido”. 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 sería muy costoso. Con este sistema lo puedes
deshacer y volver a iterar. Esto es muy valioso”, añade. Las autoras también dicen
que su investigación puede tener aplicaciones más allá del diseño de chips, como
el planeamiento urbano, ingeniería ambiental o la propia distribución de vacunas.
En general, se podría usar en la toma de decisiones ante problemas con gran
cantidad de opciones y un número reducido de recompensas.

Pero los expertos consultados ven también bastante propaganda en esta

investigación. 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 domésticos llevan unidades de
procesamiento de propósito general: no destacan en nada, pero son medianamente
buenos para hacer muchas cosas. “Los procesadores de Google en los que
pretenden aplicar este método están muy optimizados para el aprendizaje
automático, por lo que son muy homogéneos en su arquitectura”, recuerda
Ayala. Y esto le pone las cosas más fáciles a la inteligencia artificial.

Por su parte, Boemo sigue sin ver claro qué hace Google metiéndose en el terreno
del diseño de chips. El interés económico es obvio: “Un milímetro de un circuito
vale una fortuna”, comenta. Pero, añade, “las pocas empresas que fabrican
circuitos integrados no te van a decir cómo 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 serán
diseñados, precisamente, por esta inteligencia artificial.

10-06-2021 / El País – España