El exjefe de IA de Google afirma que la automatización podría reducir los equipos de diseño de chips de 150 ingenieros a solo diez, y acortar el tiempo de desarrollo de años a tres meses.
El ex jefe de inteligencia artificial y científico jefe de inteligencia artificial de Google, Jeff Dean, cree que la IA puede permitir a los diseñadores de chips superar las limitaciones típicas en un ciclo de diseño y diseñar productos personalizados capaces de satisfacer mejor las necesidades informáticas modernas. Él cree que a medida que la computación evoluciona, los chips personalizados son más importantes, ya que un puñado de cargas de trabajo serán responsables de la mayoría de las necesidades de computación.
El Ex Jefe De Google AI Cree Que La Automatización Puede Ayudar A Superar Las Limitaciones Fundamentales Del Diseño De Hardware Personalizado Para Computación
Dean, quien actualmente dirige la firma de inteligencia artificial Discovery Loop, fue uno de los empleados más antiguos de Google y tiene un historial de investigación del aprendizaje de refuerzo con el diseño de chips. Mientras estaba en Google, Dean fue uno de los 21 coautores de un artículo de investigación publicado en la revista Nature, que afirmaba que el aprendizaje de refuerzo para el diseño de chips superó a los métodos tradicionales. Si bien la publicación del periódico se volvió controvertida y empañada por la controversia legal, Dean todavía cree que confiar en la IA para el diseño de chips es el camino a seguir.
Mientras hablaba en un chat junto a la chimenea lanzado el día 16th, Dean describió que estaba seguro de que el hardware especializado es la manera de avanzar. Él cree que los chips especializados permiten sistemas más eficientes.
Al comentar sobre el estado actual de la computación, describió que "ahora tenemos cargas de trabajo donde hay como un puñado de cargas de trabajo que van a ser gran parte de la computación en el mundo", lo que requiere más especialización en hardware.
Sin embargo, en su discusión, Dean admitió que un tema clave con la especialización de chips es que una vez que los diseños de chips son finales, están a merced de futuros cambios. "Y el problema con la especialización es si lo que quieres hacer cambia en el futuro, entonces lo que has diseñado con amor para el hardware durante, tal vez dos años, ya no es tan relevante", dijo.
La solución al problema del chip, según el anterior líder de Google, es la automatización del diseño de hardware. Dean comentó que en el proceso tradicional de diseño de chips, primero un equipo de personas analiza las especificaciones de alto nivel y luego construye especificaciones de nivel de transferencia de registro de bajo nivel (RTL) a partir de él. Dado que la traducción se realiza manualmente, otro equipo de desarrolladores verifica el trabajo del primer equipo.
La solución a estos problemas es ejecutar "bucles automatizados que se pueden buscar mediante el aprendizaje de refuerzo u otras técnicas evolutivas tal vez", cree Dean. Según él, la clave para superar la automatización de diseño electrónico tradicional (EDA) es la velocidad, ya que "si puede hacer que funcionen rápidamente, entonces tiene la oportunidad de tener realmente un bucle de exploración mucho más automatizado del proceso de diseño y tal vez comprimir el ciclo de diseño enormemente".
En cuanto a cómo la automatización y la velocidad podrían afectar el proceso de diseño, Dean describió:
"Y si, por ejemplo, pudieras diseñar un nuevo chip, con, ya sabes, diez personas en tres meses, en lugar de, ya sabes, 150 personas y dos años, verás hardware mucho más especializado en el mundo. Y tendrás que apostar mucho menos por tu futuro, ¿qué cómputo quiero hacer? Sabes, dentro de dos o seis años, ahora se convierte más de tres meses en, o seis meses para, ya sabes, dentro de cuatro años".
El aumento de la IA, y particularmente la IA agente, ha generado un debate sobre la utilidad de la tecnología para el diseño de semiconductores. Las empresas, incluidos los principales proveedores de EDA y las empresas chinas, han recurrido a la IA agente, mientras que TSMC cree que la IA podría no ser adecuada para el diseño de tecnologías de fabricación de próxima generación.
Fuente: Wccftech
.png)
Comentarios