Por supuesto, Claude de Anthropic es uno de los muchos modelos de IA que ahora son sobrehumanos escribiendo código. Así que Andere considera que no pasará mucho tiempo antes de que la IA empiece a consumir la ventaja del software de Nvidia.
“La ventaja competitiva reside en la programabilidad del chip”, aclara Andere, refiriéndose a las bibliotecas y herramientas de software que facilitan la optimización del código para el hardware de Nvidia. “Creo que es hora de replantearse si realmente se trata de una ventaja competitiva sólida”.
Lo que todo el mundo necesita: más chips
Además de facilitar la optimización de código para distintos tipos de silicio, la IA pronto podría facilitar el diseño de los propios chips. Ricursive Intelligence, una startup fundada por dos ex ingenieras de Google, Azalia Mirhoseini y Anna Goldie, está desarrollando nuevas formas de diseñar chips informáticos con inteligencia artificial. Si su tecnología despega, muchas más empresas podrían dedicarse al diseño de chips, creando silicio personalizado que ejecute su software de forma más eficiente.
“Nos centramos en los aspectos fundamentales del diseño de chips: el diseño físico y la verificación del diseño”, refiere Mirhoseini, quien también es profesor asistente en la Universidad de Stanford, en referencia a dos de los principales desafíos relacionados con el diseño de chips.
El diseño de chips informáticos es uno de los trabajos más importantes, y complejos, del mundo. Los ingenieros de chips deben encontrar la manera de organizar una gran cantidad de componentes en un chip de silicio para optimizar sus diferentes funciones. Tras el diseño inicial de un chip, su rendimiento debe someterse a pruebas y verificaciones exhaustivas mediante un proceso iterativo antes de enviarlo a la fundición.
Los diseños de Nvidia son cruciales para la IA moderna, ya que cada nueva generación de chips permite a las empresas entrenar modelos de IA más potentes utilizando cientos o miles de procesadores interconectados dentro de vastos centros de datos.
Durante su etapa en Google, Mirhoseini y Goldie desarrollaron un método para que la IA optimizara la disposición de los componentes clave de los chips informáticos. Este enfoque transformó la forma en que Google diseña sus propios procesadores y ahora se utiliza ampliamente en la industria para ayudar a organizar las funciones en diferentes chips.
Ricursive pretende ir más allá, automatizando más elementos del diseño de chips e integrando modelos de lenguaje complejos en el proceso. El objetivo es permitir que los ingenieros utilicen el lenguaje natural para describir cambios o formular preguntas sobre un chip. Del mismo modo que se puede programar una aplicación mediante la técnica de vibecode, quizás en el futuro sea posible diseñar un chip de esta manera.
Ricursive aún está desarrollando su tecnología, pero Mirhoseini sostiene que la empresa ya ha demostrado que puede optimizar más aspectos del diseño de chips.
La posibilidad de automatizar el diseño de chips de esta manera tiene a algunos inversores entusiasmados: Ricursive ha recaudado 335 millones de dólares con una valoración de 4,000 millones de dólares en tan solo unos meses.
Goldie manifiesta que, en última instancia, podría ser posible que la IA participe en el codiseño de chips y algoritmos para hacerlos más potentes. Explica que el hecho de que la IA optimice su propio silicio y código podría generar una mejora recursiva. «Nos adentramos en un nuevo paradigma donde podemos invertir más capacidad de procesamiento para diseñar chips más rápidos y mejores, creando así una especie de ley de escalado para el diseño de chips».
Artículo originalmente publicado en WIRED. Adaptado por Mauricio Serfatty Godoy.
