No estamos preparados para el fin de la Ley de Moore

Ilustración de la Ley de Moore MS tecnología

El pronóstico de 1965 de Gordon Moore de que la cantidad de componentes en un circuito integrado se duplicaría cada año hasta llegar a la asombrosa cifra de 65 000 en 1975 es la mayor predicción tecnológica del último medio siglo. Cuando resultó correcto en 1975, revisó lo que se conoce como la Ley de Moore para duplicar los transistores en un chip cada dos años.

Desde entonces, su predicción ha definido la trayectoria de la tecnología y, en muchos sentidos, del propio progreso.

Esta historia fue parte de nuestra edición de marzo de 2020

• Ver el resto del número
• Suscribir

El argumento de Moore era económico. Los circuitos integrados, con múltiples transistores y otros dispositivos electrónicos interconectados con líneas de metal de aluminio en un pequeño cuadrado de oblea de silicio, habían sido inventados unos años antes por Robert Noyce en Fairchild Semiconductor. Moore, el director de I+D de la empresa, se dio cuenta, como escribió en 1965, de que con estos nuevos circuitos integrados, el coste por componente es casi inversamente proporcional al número de componentes. Era una ganga hermosa: en teoría, cuantos más transistores añadías, más barato salía cada uno. Moore también vio que había mucho espacio para los avances de ingeniería para aumentar la cantidad de transistores que se podían colocar en un chip de manera económica y confiable.

Pronto, estos chips más baratos y potentes se convertirían en lo que a los economistas les gusta llamar una tecnología de propósito general, una tan fundamental que genera todo tipo de otras innovaciones y avances en múltiples industrias. Hace algunos años, los principales economistas atribuyeron a la tecnología de la información que los circuitos integrados hicieron posible un tercio del crecimiento de la productividad de EE. UU. desde 1974. Casi todas las tecnologías que nos interesan, desde los teléfonos inteligentes hasta las computadoras portátiles económicas y el GPS, son un reflejo directo de la predicción de Moore. También ha impulsado los avances actuales en inteligencia artificial y medicina genética, al dar a las técnicas de aprendizaje automático la capacidad de analizar grandes cantidades de datos para encontrar respuestas.

Pero, ¿cómo una simple predicción, basada en la extrapolación de un gráfico de la cantidad de transistores por año, un gráfico que en ese momento tenía solo unos pocos puntos de datos, llegó a definir medio siglo de progreso? En parte, al menos, porque la industria de los semiconductores decidió que así sería.

Revista de electrónica de abril de 1965 en la que apareció el artículo de Moore. wikimedia

Moore escribió que meter más componentes en los circuitos integrados, el título de su artículo de 1965, conduciría a maravillas como computadoras domésticas, o al menos terminales conectadas a una computadora central, controles automáticos para automóviles y equipos de comunicaciones portátiles personales. En otras palabras, apéguese a su hoja de ruta de apretar cada vez más transistores en chips y lo llevará a la tierra prometida. Y durante las siguientes décadas, una industria en auge, el gobierno y ejércitos de investigadores académicos e industriales invirtieron dinero y tiempo en defender la Ley de Moore, creando una profecía autocumplida que mantuvo el progreso en marcha con una precisión asombrosa. Aunque el ritmo del progreso se ha reducido en los últimos años, los chips más avanzados de la actualidad tienen casi 50 mil millones de transistores.

Cada año desde 2001, MIT Technology Review ha elegido las 10 tecnologías más importantes del año. Es una lista de tecnologías que, casi sin excepción, son posibles solo gracias a los avances informáticos descritos por la Ley de Moore.

Para algunos de los elementos de la lista de este año, la conexión es obvia: dispositivos de consumo, incluidos relojes y teléfonos, infundidos con IA; atribución del cambio climático posible gracias a la mejora de los modelos informáticos y los datos recopilados de los sistemas de vigilancia atmosférica de todo el mundo; y satélites baratos y diminutos. Otros en la lista, incluida la supremacía cuántica, las moléculas descubiertas con IA e incluso los tratamientos antienvejecimiento y los medicamentos hiperpersonalizados, se deben en gran parte al poder computacional disponible para los investigadores.

Pero, ¿qué sucede cuando la Ley de Moore termina inevitablemente? ¿O qué pasa si, como algunos sospechan, ya murió y ya estamos funcionando con los humos del motor tecnológico más grande de nuestro tiempo?

ROTURA

Se acabó. Este año quedó muy claro, dice Charles Leiserson, científico informático del MIT y pionero de la computación paralela, en la que se realizan varios cálculos simultáneamente. La planta de fabricación más nueva de Intel, destinada a construir chips con tamaños de características mínimos de 10 nanómetros, se retrasó mucho y entregó chips en 2019, cinco años después de la generación anterior de chips con características de 14 nanómetros. La Ley de Moore, dice Leiserson, siempre fue sobre la tasa de progreso, y ya no estamos en esa tasa. Numerosos otros científicos informáticos prominentes también han declarado muerta la Ley de Moore en los últimos años. A principios de 2019, el director ejecutivo del gran fabricante de chips Nvidia estuvo de acuerdo.

En verdad, ha sido más un declive gradual que una muerte súbita. A lo largo de las décadas, algunos, incluido el propio Moore en ocasiones, se preocuparon de poder ver el final a la vista, ya que se hizo más difícil fabricar transistores cada vez más pequeños. En 1999, un investigador de Intel se preocupó de que el objetivo de la industria de fabricar transistores de menos de 100 nanómetros para 2005 enfrentara problemas físicos fundamentales sin soluciones conocidas, como los efectos cuánticos de los electrones que vagan donde no deberían estar.

Durante años, la industria de los chips logró evadir estos obstáculos físicos. Se introdujeron nuevos diseños de transistores para acorralar mejor a los electrones. Se inventaron nuevos métodos de litografía que utilizan radiación ultravioleta extrema cuando las longitudes de onda de la luz visible eran demasiado gruesas para tallar con precisión características de silicio de solo unas pocas decenas de nanómetros. Pero el progreso se hizo cada vez más caro. Los economistas de Stanford y el MIT han calculado que el esfuerzo de investigación dedicado a defender la Ley de Moore se ha multiplicado por 18 desde 1971.

Del mismo modo, las fábricas que fabrican los chips más avanzados se están volviendo prohibitivamente caras. El costo de una fábrica está aumentando alrededor de un 13 % al año y se espera que alcance los $ 16 mil millones o más para 2022. No es casualidad que la cantidad de empresas con planes para fabricar la próxima generación de chips ahora se haya reducido a solo tres. de ocho en 2010 y 25 en 2002.

Encontrar sucesores de los chips de silicio actuales llevará años de investigación. Si le preocupa qué reemplazará a la Ley de Moore, es hora de entrar en pánico.

No obstante, Intel, uno de esos tres fabricantes de chips, no espera un funeral por la Ley de Moore en el corto plazo. Jim Keller, quien asumió el cargo de jefe de ingeniería de silicio de Intel en 2018, es el hombre encargado de mantenerlo con vida. Dirige un equipo de unos 8.000 ingenieros de hardware y diseñadores de chips en Intel. Cuando se unió a la empresa, dice, muchos anticipaban el final de la Ley de Moore. Si tenían razón, recuerda haber pensado, eso es un lastre y tal vez haya hecho un cambio muy malo en su carrera.

Pero Keller encontró amplias oportunidades técnicas para avanzar. Señala que probablemente hay más de cien variables involucradas en el mantenimiento de la Ley de Moore, cada una de las cuales brinda diferentes beneficios y enfrenta sus propios límites. Significa que hay muchas formas de seguir duplicando la cantidad de dispositivos en un chip: innovaciones como arquitecturas 3D y nuevos diseños de transistores.

En estos días, Keller suena optimista. Dice que ha estado escuchando sobre el final de la Ley de Moore durante toda su carrera. Después de un tiempo, decidió no preocuparse por eso. Él dice que Intel está en camino para los próximos 10 años, y felizmente hará los cálculos por usted: 65 mil millones (número de transistores) por 32 (si la densidad del chip se duplica cada dos años) es 2 billones de transistores. Eso es una mejora de 30 veces en el rendimiento, dice, y agrega que si los desarrolladores de software son inteligentes, podríamos obtener chips cien veces más rápidos en 10 años.

Aún así, incluso si Intel y los otros fabricantes de chips restantes pueden exprimir algunas generaciones más de microchips aún más avanzados, los días en los que podía contar con chips más rápidos y más baratos cada dos años claramente han terminado. Sin embargo, eso no significa el final del progreso computacional.

Hora de entrar en pánico

Neil Thompson es economista, pero su oficina está en CSAIL, el centro informático y de inteligencia artificial en expansión del MIT, rodeado de especialistas en robótica e informáticos, incluido su colaborador Leiserson. En un nuevo documento, los dos documentan un amplio espacio para mejorar el rendimiento computacional a través de un mejor software, algoritmos y arquitectura de chips especializados.

Una oportunidad es reducir el llamado exceso de software para aprovechar al máximo los chips existentes. Cuando siempre se podía contar con los chips para ser más rápidos y potentes, los programadores no necesitaban preocuparse mucho por escribir un código más eficiente. Y, a menudo, no pudieron aprovechar al máximo los cambios en la arquitectura del hardware, como los múltiples núcleos o procesadores que se ven en los chips que se usan en la actualidad.

Thompson y sus colegas demostraron que podían hacer que un cálculo computacionalmente intensivo se ejecutara unas 47 veces más rápido simplemente cambiando de Python, un popular lenguaje de programación de propósito general, al más eficiente C. Esto se debe a que C, aunque requiere más trabajo del programador, reduce en gran medida el número requerido de operaciones, haciendo que un programa se ejecute mucho más rápido. Adaptar aún más el código para aprovechar al máximo un chip con 18 núcleos de procesamiento aceleró aún más las cosas. En solo 0,41 segundos, los investigadores obtuvieron un resultado que tomó siete horas con código Python.

Eso suena como una buena noticia para el progreso continuo, pero a Thompson le preocupa que también indique el declive de las computadoras como una tecnología de propósito general. En lugar de levantar todos los barcos, como lo ha hecho la Ley de Moore, al ofrecer chips cada vez más rápidos y baratos que estaban disponibles universalmente, los avances en software y arquitectura especializada ahora comenzarán a enfocarse selectivamente en problemas específicos y oportunidades comerciales, favoreciendo a aquellos con suficiente dinero y recursos.

De hecho, el cambio a chips diseñados para aplicaciones específicas, particularmente en IA, está en marcha. El aprendizaje profundo y otras aplicaciones de IA dependen cada vez más de unidades de procesamiento de gráficos (GPU) adaptadas de los juegos, que pueden manejar operaciones paralelas, mientras que empresas como Google, Microsoft y Baidu están diseñando chips de IA para sus propias necesidades particulares. La IA, particularmente el aprendizaje profundo, tiene un gran apetito por la potencia de las computadoras, y los chips especializados pueden acelerar en gran medida su rendimiento, dice Thompson.

Pero la contrapartida es que los chips especializados son menos versátiles que las CPU tradicionales. A Thompson le preocupa que los chips para computación más general se estén convirtiendo en un remanso, lo que ralentiza el ritmo general de mejora de las computadoras, como escribe en un artículo próximo a publicarse, The Decline of Computers as a General Purpose Technology.

En algún momento, dice Erica Fuchs, profesora de ingeniería y políticas públicas en Carnegie Mellon, aquellos que desarrollan IA y otras aplicaciones extrañarán las disminuciones en costos y los aumentos en el rendimiento que brinda la Ley de Moore. Tal vez en 10 o 30 años, nadie sabe realmente cuándo, necesitará un dispositivo con esa potencia de cómputo adicional, dice.

El problema, dice Fuchs, es que los sucesores de los chips de propósito general de hoy en día son desconocidos y su creación llevará años de investigación básica y desarrollo. Si le preocupa qué reemplazará a la Ley de Moore, sugiere, ahora es el momento de entrar en pánico. Hay, dice, personas realmente inteligentes en IA que no son conscientes de las limitaciones de hardware que enfrentan los avances informáticos a largo plazo. Lo que es más, dice, debido a que los chips para aplicaciones específicas están demostrando ser muy rentables, hay pocos incentivos para invertir en nuevos dispositivos lógicos y formas de hacer computación.

Se busca: un plan Marshall para chips

En 2018, Fuchs y sus colegas de CMU, Hassan Khan y David Hounshell, escribieron un artículo que rastrea la historia de la Ley de Moore e identifica los cambios detrás de la falta actual de colaboración entre la industria y el gobierno que fomentó tanto progreso en décadas anteriores. Argumentaron que la fragmentación de las trayectorias tecnológicas y la rentabilidad privada a corto plazo de muchas de estas nuevas fragmentaciones significa que debemos impulsar en gran medida la inversión pública para encontrar las próximas grandes tecnologías informáticas.

Si los economistas tienen razón, y gran parte del crecimiento en la década de 1990 y principios de la de 2000 fue el resultado de los microchips, y si, como algunos sugieren, el lento crecimiento de la productividad que comenzó a mediados de la década de 2000 refleja la desaceleración en el progreso computacional, entonces, dice Thompson, se deduce que debe invertir enormes cantidades de dinero para encontrar la tecnología sucesora. No lo estamos haciendo. Y es un fracaso de política pública.

No hay garantía de que tales inversiones valgan la pena. La computación cuántica, los transistores de nanotubos de carbono, incluso la espintrónica, son posibilidades atractivas, pero ninguna es un reemplazo obvio de la promesa que Gordon Moore vio por primera vez en un circuito integrado simple. Sin embargo, necesitamos las inversiones en investigación ahora para averiguarlo. Porque es casi seguro que una predicción se hará realidad: siempre vamos a querer más poder de cómputo.

esconder