Ricursive Intelligence punta sull’intelligenza artificiale per automatizzare e accelerare la progettazione dei chip, migliorandone l’efficienza. Le fondatrici Anna Goldie e Azalia Mirhoseini stanno sviluppando un sistema capace di apprendere da ogni iterazione e migliorare i progetti successivi. L’obiettivo è contribuire a rispondere alla crescente domanda di capacità di calcolo: secondo la prospettiva delineata da Goldie, nei prossimi cinque anni questa potrebbe aumentare di almeno 10.000 volte, una stima che la stessa cofondatrice considera potenzialmente conservativa.
Per Goldie, rispondere a una crescita di questa portata costruendo un numero proporzionale di data center non è la strada da seguire. La proposta della startup è intervenire sull’efficienza dei processori e sull’utilizzo delle risorse che ne sostengono produzione e funzionamento. Le fondatrici indicano in particolare la banda disponibile nei centri di elaborazione, i wafer e gli impianti di fabbricazione: risorse da sfruttare meglio attraverso la progettazione, anziché affidare tutta la risposta all’espansione delle infrastrutture.
Un esempio dell’approccio arriva da AlphaChip, il sistema di intelligenza artificiale sviluppato in precedenza dalle due fondatrici. Il software aveva prodotto una disposizione circolare dei componenti, descritta come una forma a ciambella, che inizialmente aveva sorpreso gli ingegneri e si era poi rivelata efficace. Le fondatrici citano questo risultato per spiegare come l’AI possa individuare configurazioni non convenzionali, capaci di ottenere prestazioni superiori rispetto alle soluzioni tradizionali, anche quando la disposizione proposta appare insolita a chi la esamina.
Nel lavoro descritto dalle fondatrici, un passaggio centrale consiste nell’ottimizzare chip interi. L’approccio tradizionale prevede invece di suddividerli in decine di blocchi più piccoli. Affrontare il progetto nella sua interezza permette all’intelligenza artificiale di elaborare schemi complessi, comprese configurazioni con andamenti ondulati. Goldie e Mirhoseini hanno anticipato l’intenzione di condividere ulteriori dettagli su queste soluzioni. La ricerca di disposizioni alternative riguarda quindi anche la scala alla quale viene affrontato il problema della progettazione.
La velocità del processo apre un’altra questione: quali chip conviene effettivamente sviluppare. Goldie osserva che, quando progettare un nuovo componente richiede sei mesi, un anno o due anni, occorre selezionare con grande attenzione i progetti da avviare. Il tempo necessario diventa così un vincolo alle possibilità esplorabili. Nello scenario ipotizzato dalla cofondatrice, ridurre la progettazione a una settimana cambierebbe questa valutazione, rendendo economicamente sensato considerare una gamma più ampia di applicazioni; si tratta di una possibilità prospettata, non di un tempo di sviluppo annunciato come già raggiunto.
Tra gli ambiti citati da Goldie figurano lo spazio, la realtà aumentata, la realtà virtuale e il calcolo biologico. La prospettiva è realizzare chip personalizzati per esigenze differenti, ampliando il numero di soluzioni che possono giustificare un investimento nella progettazione e nella successiva produzione. Secondo le fondatrici, l’AI potrebbe permettere di creare anche tipi di chip prima difficili da realizzare. Goldie associa questa maggiore varietà alla possibilità di ottenere una migliore efficienza energetica.
Il cambiamento riguarda infine il ruolo delle persone. Goldie sostiene che affidare all’AI l’esecuzione della progettazione possa lasciare agli esseri umani più spazio per sviluppare applicazioni ed esplorare nuovi impieghi del calcolo. Nella sua visione, le persone portano idee e creatività, mentre l’intelligenza artificiale si occupa dell’esecuzione: una trasformazione che vede già interessare anche lo sviluppo software. Per le imprese, la prospettiva delineata è poter tradurre più idee applicative in hardware su misura, attraverso un processo di progettazione più rapido.