La IA comienza a construir sus propios cerebros. A los humanos solo les quedarán las ideas.

Ricursive Intelligence quiere cerrar la brecha entre la velocidad de desarrollo de las redes neuronales y la aparición de nuevos procesadores mediante las propias redes neuronales. La startup de Anna Goldie y Azalia Mirhoseini está construyendo una IA que diseña chips, aprende de cada variante y mejora la siguiente. En TechCrunch Disrupt las fundadoras contaron que quieren reducir el desarrollo de un chip a semanas, y para algunas tareas a una semana.

Ricursive automatiza no una etapa, sino todo el camino desde los requisitos de una carga de trabajo concreta hasta la topología física del chip adecuada para la verificación final de producción. El sistema debe probar variantes arquitectónicas, evaluar el resultado y trasladar las soluciones exitosas a nuevos proyectos. La compañía denomina este enfoque evolución conjunta de la IA y del hardware.

En lugar de la división habitual del chip complejo en decenas de bloques, la startup quiere optimizar el chip en su totalidad. Este enfoque permite buscar disposiciones poco convencionales de los elementos con estructuras redondeadas y onduladas. El algoritmo elige la geometría según las limitaciones dadas de área, velocidad y consumo energético, en lugar de repetir los patrones de ingeniería habituales.

La idea tiene un antecedente operativo. Goldie y Mirhoseini crearon AlphaChip en Google DeepMind. El sistema, con aprendizaje por refuerzo, en horas encontraba composiciones que a los ingenieros les requerían semanas o meses. Google DeepMind confirmó que AlphaChip se aplicó en varias generaciones de TPU. Pero la tecnología automatizaba, ante todo, la colocación de bloques, y no el ciclo completo de desarrollo.

Ricursive quiere cerrar el ciclo «la IA mejora el chip, el chip mejorado acelera la IA». Un curso similar ya lo han tomado OpenAI y Synopsys, que están entrenando a un agente diseñar chips a través de herramientas EDA. Ricursive declara un objetivo más radical y planea abarcar casi todo el ciclo, para que el sistema recorra por sí mismo el camino desde los requisitos de la carga hasta la topología física lista.

La motivación es el déficit de capacidad de cómputo esperado. Goldie pronostica un aumento de la demanda de potencia de cálculo de al menos 10 000 veces en cinco años y considera que multiplicar el número de centros de datos es impráctico. La apuesta es por microchips especializados más eficientes, que aprovechen mejor las obleas, las fábricas y el ancho de banda de la infraestructura. La previsión sigue siendo una estimación de la propia empresa.

Si el ciclo se reduce a semanas, podrían resultar rentables procesadores para sistemas espaciales, AR/VR y cálculo biológico. OpenAI ya había encargado a modelos escribir código para su propio acelerador. Ricursive ha recaudado $335 millones, pero no ha mostrado clientes, pruebas públicas de ciclo completo ni un chip creado por el sistema en una semana. El diseño autónomo sigue siendo un objetivo declarado.