Aplican la inteligencia artificial al diseño de chips de IA

La industria de semiconductores está diversificándose, dando a luz nuevas categorías de chips creados específicamente para nuevos ámbitos, una tendencia que está cobrando mucho peso en la categoría de procesadores. A medida que se requieren plataformas de computación más complejas para usos concretos como la inteligencia, la industria se ha dado cuenta de que hacen falta arquitecturas específicas que puedan ofrecer un desempeño mejor que las clásicas CPU. De aquí ha surgido diferentes líneas de acción, que van desde la construcción de máquinas para IA basadas en GPU de nueva generación al diseño de plataformas completas diseñadas pensando únicamente en hacer funcionar más rápido la inteligencia artificial.

Recomendados:  WEBINAR >> Teletrabajo: productividad, flexibilidad y seguridad a pleno rendimiento Registro  WEBINAR >> Autenticación y gestión de identidades, el nuevo perímetro de seguridad Registro

Para lograr estos objetivos se requieren nuevos chips y la industria está poniendo toda la carne en el asador para evolucionar sus tecnologías lo más rápido posible. Como comentan en un reciente artículo publicado en la revista Forbes, escrito por miembros de Moore Insights and Strategy, y por el analista y colaborador Karl Freund, uno de los enfoques más interesantes que están adoptando en ciertas empresas es usar la propia inteligencia artificial para acelerar el proceso de diseño de los chips para plataformas destinadas a la IA.

Esta idea no es casual, ya que hay una etapa del proceso que tradicionalmente requiere mucho tiempo y en la que las aplicaciones de inteligencia artificial pueden ser de una gran ayuda. Se trata del diseño físico, la fase que procede al diseño de la lógica de los chips y que consisten en organizar todos los elementos que integran la arquitectura lógica concebida por los diseñadores. En esta etapa se realizan miles de propuestas sobre cómo se pueden organizar los bloques de transistores y cómo se pueden interconectar entre sí dentro del chip.

Cada posibilidad se basa en jugar con tres parámetros fundamentales en el futuro desempeño de la unidad, que son el rendimiento, el consumo energético y el espacio disponible. Dada la complejidad de esta titánica tarea el proceso puede llevar a un equipo de varios ingenieros entre 20 y 30 semanas, según los expertos. Y de su acierto a la hora de equilibrar todos estos parámetros deviene el que el chip final cumpla con los requisitos de mejor o peor forma, una gran responsabilidad.

Como explican en el artículo de Forbes, ciertas empresas de la industria han comenzado a adoptar un enfoque revolucionario para abordar este asunto, que consiste en aplicar una inteligencia artificial a esta etapa del proceso de diseño, con el fin de acelerarlo. De forma análoga al funcionamiento del diseño generativo, esta IA es capaz de realizar un gran número de pruebas en muy poco tiempo para determinar cuál puede ser el diseño físico más adecuado para que el chip tenga el mejor desempeño posible con los elementos que se ha concebido en la etapa de diseño lógico anterior.

El resultado, según quienes están trabajando en esta línea de investigación, es una mejoría enorme, ya que en el campo de los chips para IA se logra reducir hasta un 20% el consumo de espacio en el chip y en un 6% el consumo de energía, acelerando hasta en un 87% el tiempo de desarrollo del procesador. Estos resultados son en ciertos aspectos mejores que los obtenidos en otras categorías de componentes para la automoción, las redes o los dispositivos móviles.

Según los autores de este artículo, el tipo de IA que se aplica al proceso de diseño físico de los chips es un modelo denominado Aprendizaje por Refuerzo (RL), una rama del aprendizaje automático que se basa en buscar la mejor solución considerando ciertos parámetros específicos, que en este caso son los tres mencionados: rendimiento, espacio y consumo. Y, como ha sucedido en el campo del diseño generativo, los resultados en el diseño físico de chips han sido sorprendentes, ya que la IA ha sido capaz de concebir estructuras que desde el punto de vista humano aparentemente no funcionarían, pero que proporcionan mejores resultados que los enfoques que suelen proponer los ingenieros.