Crédito: CC0 Dominio Público

Investigadores dijeron que su nuevo enfoque para la producción de líneas de ensamblaje inteligentes-artificiales es superior a los diseños creados por ingenieros humanos.

Uno de los desafíos clave en el diseño de la computadora es cómo empacar los chips y su cableado de la manera más ergonómica, manteniendo la potencia, la velocidad y la eficiencia energética.

La receta incluye miles de componentes que deben comunicarse entre sí sin problemas, todo en un ‘inmueble’ del tamaño de una uña.

El proceso se conoce como planificación de piso de virutas, similar a lo que hacen los decoradores de interiores al diseñar planes para vestir una habitación. Sin embargo, con los circuitos digitales , en lugar de usar el plano de un piso, los diseñadores deben considerar diseños integrados dentro de varios pisos. Como se refirió recientemente a una publicación técnica, la planificación del piso de chips es Tetris 3-D.

El proceso lleva mucho tiempo. Y con la mejora continua con los componentes del chip, los diseños finales laboriosamente calculados se vuelven obsoletos rápidamente. Los chips generalmente están diseñados para durar entre dos y cinco años, pero existe una presión constante para acortar el tiempo entre actualizaciones.

Los investigadores de Google acaban de dar un salto gigante en el diseño de planificación de pisos. En un anuncio reciente, los ingenieros de investigación de Google, Anna Goldie y Azalia Mirhoseini, dijeron que han diseñado un algoritmo que «aprende» cómo lograr la colocación óptima de los circuitos. Puede hacerlo en una fracción del tiempo requerido actualmente para tal diseño, analizando potencialmente millones de posibilidades en lugar de miles, que actualmente es la norma. Al hacerlo, puede proporcionar chips que aprovechan los últimos desarrollos más rápido, más barato y pequeño.

Goldie y Mirhoseini aplicaron el concepto de aprendizaje por refuerzo al nuevo algoritmo . El sistema genera «recompensas» y «castigos» para cada diseño propuesto hasta que el algoritmo reconozca mejor los mejores enfoques.

La noción de tal refuerzo tiene raíces en la escuela de psicología conocida como conductismo. Su fundador, John Watson, sugirió que todos los animales, incluidos los humanos, eran básicamente máquinas complejas que «aprendían» al responder a respuestas positivas y negativas. Cuán sorprendido estaría Watson al enterarse de que los principios que articuló por primera vez en 1913 se están aplicando más de un siglo después a las máquinas «inteligentes» también.

Los investigadores de Google dijeron que después de extensas pruebas, encontraron que su nuevo enfoque para la producción de líneas de ensamblaje inteligentes artificiales era superior a los diseños creados por ingenieros humanos.
«Creemos que es la propia IA la que proporcionará los medios para acortar el ciclo de diseño de chips, creando una relación simbólica entre el hardware y la IA, con cada avance de combustible en el otro», dijeron los diseñadores en un comunicado publicado en arxiv.org, Un repositorio de investigación científica gestionado por la Universidad de Cornell.

La circuitería informática ha recorrido un largo camino desde que se presentó la primera «máquina de cálculo totalmente electrónica», ENIAC, en 1945. Empaquetada con 18,000 tubos de vacío, fue la precursora de los circuitos integrados y chips de computadora, y millas de cableado, con un costo de $6 millones la máquina se extendía hasta alcanzar el tamaño de tres autobuses, pesaba 30 toneladas y ocupaba una habitación entera del laboratorio de la Universidad de Princeton, donde se creó.

Los iPhones de hoy cuentan con chips del tamaño de una uña rosada que son 1,300 veces más potentes, 40 millones de veces más pequeños y 1/17,000 del costo de ENIAC.

El nuevo algoritmo de Google también puede ayudar a garantizar la continuación de la Ley de Moore, que establece que el número de transistores empaquetados en microchips se duplica cada uno o dos años. En 1970, el chip 4004 de Intel albergaba 2,250 transistores. Hoy, el AMD Epyc Rome alberga 39,5 mil millones de transistores.

Lo que deja muchas posibilidades para el diseño del nuevo algoritmo de Google.

Fuente: Peter Grad, Tech Xplore

Comments are closed.