La revolución del silicio ha topado con un muro de complejidad casi inabordable para la mente humana. Diseñar los modernos chips inalámbricos que impulsan desde el 5G hasta la conducción autónoma es una tarea monumental que requiere años de experiencia y semanas de ajustes manuales [1, 2]. Sin embargo, un equipo de la Universidad de Princeton y el Instituto Indio de Tecnología (IIT) ha cambiado las reglas del juego al aplicar el aprendizaje profundo para realizar un diseño inverso de estos componentes [1, 3]. Su sistema de inteligencia artificial no se limita a copiar patrones humanos; genera arquitecturas extrañas, con formas que parecen aleatorias o extraterrestres, que ningún ingeniero habría imaginado jamás, pero que logran rendimientos previamente inalcanzables [4, 5]. Según el estudio publicado en Nature Communications, esta metodología reduce el tiempo de diseño de semanas a meros minutos [1, 3]. El avance es crucial porque abre un espacio de diseño de billones de posibilidades, mucho más allá de la intuición humana [6, 7]. Entramos en una era donde la IA no solo nos ayuda a trabajar, sino que inventa estructuras que nuestro cerebro no puede comprender del todo, allanando el camino para una electrónica más rápida, barata y eficiente [4, 8].

Google ha presentado AlphaEvolve, un nuevo agente de codificación desarrollado por DeepMind y basado en sus modelos Gemini. Esta inteligencia artificial es capaz de diseñar, evaluar y mejorar algoritmos complejos, optimizando recursos y acelerando el entrenamiento de modelos como Gemini.