Toda moneda tiene dos caras y el desarrollo de la tecnología de inteligencia artificial (IA) no es una excepción. Por un lado, la gente está entusiasmada con los logros y las contribuciones de la IA en todos los aspectos de la vida. Pero, por otro lado, muchas personas tienen "miedo" de la perspectiva de que la IA pueda superar y "robar" empleos humanos en muchos campos diferentes.
Google acaba de darle más credibilidad a esta preocupación cuando anunció que su sistema de inteligencia artificial para investigación y desarrollo interno ahora tiene la capacidad de diseñar chips más rápido y de manera más eficiente que los humanos.
En concreto, según los resultados de una investigación publicada en la revista científica Nature, Google Brain, el equipo de investigación de inteligencia artificial y aprendizaje profundo de Google, ha anunciado el desarrollo con éxito de un nuevo sistema de aprendizaje por refuerzo que puede realizar por sí solo el diseño de la planificación de un microprocesador, mucho más rápido y mejor que los humanos.
Con la ayuda de una arquitectura de red neuronal compleja basada en gráficos de bordes, el modelo de IA de Google Brain puede diseñar planos de planta en una fracción del tiempo que les toma a los humanos. La imagen a continuación muestra dos diseños de macrobloques de memoria. El de la izquierda lo hizo un humano y el de la derecha lo hizo una IA en solo unas pocas horas (mucho menos que un humano) y también tiene una mayor cantidad de bloques macro.

Un plano es esencialmente un diagrama que muestra cómo se organizan los diferentes bloques funcionales dentro de un procesador para crear un diseño que sea más eficiente. A continuación se muestran dos imágenes de ejemplo de cómo se verá el plano del piso. El modelo de la izquierda es más simple, mientras que el diseño de la derecha es un poco más complejo con más detalles.

Curiosamente, Google planea utilizar esta tecnología para construir sus propios aceleradores de IA, llamados Unidades de Procesamiento Tensorial (TPU). Si son eficaces, también podrían aplicarse a todos los procesos de fabricación de chips en general, con el potencial de ahorrar una enorme cantidad de tiempo al tiempo que se garantiza la calidad.