Un sistema de inteligencia artificial (IA) creado por ingenieras del Brain Research de Google, diseña en horas chips para IA tan buenos como los creados por los humanos a lo largo de meses de trabajo. Este hecho se ha publicado en la revista científica Nature, donde explican que han introducido una nueva técnica de aprendizaje por refuerzo profundo cambiando la colocación de los micro componentes de los chips TPU de próxima generación. Esta Inteligencia Artificial de Google que diseña chips ya se está utilizando para la creación de futuros sistemas de IA de Google.
Antes de que las máquinas fabriquen los chips como churros, un humano ha tenido que diseñarlos. Al igual que un arquitecto diseña el plano de una nueva casa, el ingeniero de hardware planifica la distribución óptima posible de las distintas partes del microchip sobre una plantilla, lo que se conoce en inglés como “floorplanning”. Esta tarea no es nada fácil y, por ello, conlleva meses de pensar, esfuerzo y trabajo.
“Los chips modernos son un milagro tecnológico y económico, con millones de transistores dispuestos e interconectados en una pieza de silicio del tamaño de una uña. Cada chip puede contener decenas de millones de celdas y miles de bloques de memoria, conocidos como macrobloques. Celdas y macrobloques están interconectados por decenas de kilómetros de ‘cableado’ para desempeñar las funciones para las que ha sido diseñado el chip”, explicó en Nature Andrew B. Kahng, ingeniero electrónico de la Universidad de California.
La catedrática de tecnología electrónica de la Universidad Politécnica de Madrid (UPM) Marisa López-Vallejo, señala que “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”.
Básicamente, lo que hay que hacer es colocar los componentes de la manera más óptima y, sin embargo, como en cualquier otro problema, a medida que aumenta la cantidad de componentes internos del chip, encontrar diseños óptimos se vuelve más complicado. Esta es la parte más costosa de todo el proceso de creación de nuevos chips y que se ha resistido a la automatización hasta ahora, cuando un equipo liderado por las ingenieras de Google Azalia Mirhoseini y Anna Goldie, ha logrado la Inteligencia Artificial de Google que diseña chips en menos de seis horas, igualando o superando en los parámetros más importantes a los de los humanos.
Donde más parece que tiene impacto la IA, es en la planificación de la ubicación de los elementos en el chip. Esto consiste en escoger en qué ubicación sobre la superficie del chip va cada elemento (CPU, GPU, memoria…), y es algo esencial, ya que afecta de forma directa a la velocidad y eficiencia del chip, dependiendo de a qué distancia se encuentre cada elemento de otros. Mientras que para los humanos esto es un problema de meses de esfuerzo, esta Inteligencia Artificial de Google que diseña chips se lo toma como un juego: interpreta cada elemento del chip como una pieza de un juego y busca colocarla en el sitio donde más eficiencia ofrece, siempre teniendo en cuenta todas las otras piezas y múltiples factores más. Al cabo de unas horas, proporciona la posición donde más eficiencia computacional se ofrece del conjunto de elementos en el espacio dado.
“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.
Para lograr esto, 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.
A cada decisión que toma, el sistema ‘evalúa’ el estado del chip que está planificando e identifica la mejor solución para dar el siguiente paso. Los autores del estudio demostraron que este sistema puede, tras entrenar con 10 000 floorplannings diferentes, diseñar un chip en seis horas con un rendimiento similar a los circuitos integrados humanos. Eso sí, las soluciones que encuentra la inteligencia artificial son muy diferentes a las que encuentra el cerebro sapiens.
Para entrenar a la IA, Google dice que le dio los datos de 10.000 diseños de chips de mayor y menor calidad. Cada chip fue etiquetado según su calidad y teniendo en cuenta valores como la longitud del cableado requerido o el uso de energía. De este modo, la IA aprendió qué diseños son buenos y cuáles no, para luego generar los suyos propios.
“A medida que nuestro sistema es expuesto a un mayor volumen y variedad de chips, se vuelve más rápido y mejora en la generación de ubicaciones optimizadas para nuevos bloques de chips”, explican en el artículo científico. “Esto nos acerca a un futuro en el que los diseñadores humanos de chips sean asistidos por agentes artificiales con una vasta experiencia en la colocación de chips”.
Según 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.
Esto debería permitir acelerar las iteraciones de diseños para los próximos chips, así como diseñar rápidamente chips para usos concretos para los que estén optimizados. Sin embargo, 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.
No obstante, cabe indicar que la Inteligencia Artificial de Google que diseña chips ha sido desarrollada para diseñar chips muy específicos. Son circuitos bastante homogéneos que se utilizan principalmente en tareas de aprendizaje automático y que son bastante más sencillos que las unidades de procesamiento general, como las que llevan los ordenadores o los smartphones que usamos a diario. Aun así, el paso es importante.
Fuentes: El País, nobbot y Xataka
