La consola sigue siendo la misma debajo del televisor. Años después, los juegos parecen saber hacer mucho más con ella. Quien sigue una generación conoce esa sensación: a medida que los estudios dominan la plataforma, aprenden dónde gastar recursos, qué reutilizar y cómo encajar ideas que antes parecían demasiado grandes para esa máquina.
Naughty Dog dejó un buen registro de ello. En una retrospectiva publicada en PlayStation.Blog, Evan Wells contó que el estudio aprovechaba más la PS3 con cada proyecto. Después de creer que había alcanzado el límite con Uncharted 3, el equipo encontró margen para avanzar de nuevo en The Last of Us. La experiencia de los programadores también formaba parte de la potencia disponible.
Es una buena puerta de entrada a una investigación de Anthropic con Claude. El escenario ahora es la computación cuántica, pero la pregunta tiene un parentesco interesante: ¿cuánto podemos ganar al replantear el programa antes de exigir una máquina más grande?
Un circuito mejor antes del hardware a gran escala
En una investigación publicada el 16 de octubre, la empresa describe una búsqueda de circuitos más eficientes con Claude Mythos 5. Tras 53 horas dedicadas a la suma de puntos de curvas elípticas, una de las soluciones usaba un 12% más de cúbits, pero reducía por un factor de 17 el número de puertas Toffoli frente al diseño anterior con menos cúbits. Hubo una petición humana inicial y estímulos ocasionales para ampliar la exploración.
Ver los datos del gráfico
| Recurso | Luo et al. | Claude (divsteps) |
|---|---|---|
| Puertas Toffoli | 70 000 000 | 4 000 000 |
| Cúbits lógicos | 838 | 935 |
Es un resultado de diseño considerable, con un intercambio bien definido: gastar un poco más de un recurso para ahorrar mucho de otro. Pensemos en la decisión de un desarrollador que reserva más memoria para evitar trabajo repetido. La analogía ayuda a visualizar la decisión, aunque los recursos y las reglas de una máquina cuántica sean diferentes.
Un circuito cuántico es una secuencia de operaciones sobre cúbits; esas operaciones se llaman puertas. Mejorar ese circuito significa encontrar una forma más económica de realizar el cálculo deseado. La pregunta deja de ser solo cuántos cúbits tendrá una máquina y pasa a incluir cuánto trabajo les vamos a pedir.
El preprint de Andi Gu, Alek Kemeny, Susanne Yelin y Mikhail Lukin reúne ocho tareas. En siete, los circuitos encontrados redujeron simultáneamente los cúbits y las puertas Toffoli frente a los diseños de referencia comparados. En la octava, ampliaron las opciones de compromiso entre ambos recursos. Son piezas de algoritmos mayores, en áreas como la química, la simulación y la computación numérica.
Claude propone, el evaluador comprueba
La dinámica de la investigación es un ciclo: el modelo propone un circuito, un evaluador independiente comprueba la propuesta y calcula su coste, y Claude utiliza esa información para intentar mejorarlo. La puntuación combina las puertas Toffoli, operaciones relevantes para el coste de la computación tolerante a fallos, con el pico de cúbits lógicos utilizados. Para dominios grandes, la verificación emplea muestreo; algunos diseños también admiten fallos poco frecuentes dentro del límite permitido por la tarea.
Lo interesante de este planteamiento es que las ideas deben demostrar su utilidad. Una sugerencia necesita superar las comprobaciones y mostrar una ventaja según la medida elegida. Para quienes siguen las herramientas de programación con IA, es un punto que merece atención: la calidad de la prueba importa tanto como la capacidad de generar una respuesta convincente.
El desafío cuántico tiene una peculiaridad. En ciertas subrutinas, los resultados intermedios deben deshacerse de forma controlada para liberar los cúbits auxiliares. La técnica, llamada uncomputation, evita que los restos del cálculo perjudiquen la interferencia necesaria para el algoritmo, como explica la documentación didáctica de IBM. Esa limpieza también cuesta operaciones.
En el ejemplo destacado por Anthropic, Claude exploró el algoritmo clásico divsteps para la inversión modular. La solución recupera información de decisiones anteriores a partir del estado del cálculo, lo que reduce la necesidad de guardar un historial. Las variantes equilibran recuperación y almacenamiento. La empresa también informa del uso de Lean para verificar la regla de recuperación.
Es el tipo de ingenio que hace divertida la optimización: descubrir que aquello que parecía exigir más espacio puede reorganizarse. En las consolas, esa satisfacción aparece cuando un estudio encuentra una forma mejor de distribuir el trabajo. Aquí surge en una construcción matemática con exigencias propias.
Qué mide realmente el factor 17
La reducción de puertas no demuestra que una aplicación completa funcione 17 veces más rápido en un ordenador comercial. Esa cifra describe una comparación entre circuitos. Para determinar el tiempo de ejecución entran en juego otras características de la implementación.
Una de ellas es la profundidad: cuántas capas de operaciones deben suceder en secuencia. Las puertas independientes pueden ejecutarse en paralelo; otras tienen que esperar. El circuito también debe adaptarse a las conexiones y las operaciones disponibles en el procesador, como detalla IBM al explicar la ejecución de circuitos.
También está la protección contra errores. Los cúbits lógicos representan información que puede codificarse en varios cúbits físicos, los elementos del hardware. La introducción de IBM a la corrección de errores explica esta distinción. Por tanto, ahorrar recursos en el diseño lógico es una parte importante de la cuenta, pero la cantidad final de hardware depende de cómo se construya el sistema.
Quien lee pruebas de rendimiento ya conoce la actitud que ayuda aquí: fijarse en la métrica, la tarea y las condiciones. Una mejora en un componente puede ser excelente por sí sola, sin tener que convertirse en una promesa de multiplicación equivalente en todo lo que ejecuta la máquina.
Una lección de generación, sin decretar el fin de los PC
La comparación con las consolas se refiere al valor del software y del conocimiento acumulado. El trabajo de Anthropic optimiza circuitos cuánticos; no mejora directamente una CPU clásica ni anuncia su sustitución. La explicación de IBM sobre este escenario describe sistemas en los que el ordenador clásico organiza el trabajo y el procesador cuántico ejecuta la parte adecuada para él. Las tecnologías especializadas pueden coexistir.
Por eso, entender esta investigación como un relevo entre una generación clásica terminada y otra cuántica lista para tomar el mando sería ir más allá del resultado. El paralelo más fértil está en el aprendizaje. En una consola, los desarrolladores aprovechan mejor una plataforma a lo largo de los años. En este experimento, la búsqueda intenta hacer más viables los cálculos antes de que dispongamos de máquinas cuánticas tolerantes a fallos a la escala necesaria para muchas aplicaciones.
En la lectura de MaisFPS, ese es el motivo para seguir la investigación. Construir hardware más capaz sigue siendo importante; aprender a pedirle menos también puede ampliar lo que será posible hacer. Claude aparece aquí en un experimento de diseño y evaluación, no como una función cotidiana del chat que entrega cualquier circuito terminado. Los próximos pasos requieren reproducción y evaluaciones de implementación. La vieja lección de las consolas sigue sirviendo de inspiración: la ficha técnica cuenta una parte de la historia; el ingenio de quienes programan ayuda a escribir el resto.
