Dit is onwaarskynlik dat iemand sal stry met die feit dat die ontwerp van pasgemaakte LSI's (ASIC's) ver van 'n eenvoudige en vinnige proses is. Maar ek wil hΓͺ en moet dit vinniger wees: vandag het ek 'n algoritme uitgereik, en 'n week later het ek die voltooide digitale projek weggeneem. Die feit is dat hoogs gespesialiseerde LSI's amper 'n eenmalige produk is. Dit word selde in groepe van miljoene benodig, aan die ontwikkeling waarvan jy soveel geld en menslike hulpbronne kan bestee as wat jy wil, as dit in die kortste moontlike tyd gedoen moet word. Gespesialiseerde ASIC's, en dus die doeltreffendste om hul take op te los, behoort goedkoper te wees om te ontwikkel, wat in die huidige stadium van ontwikkeling van masjienleer mega-relevant word. Op hierdie front kan die bagasie wat deur die rekenaarmark opgehoop word en veral GPU-deurbrake op die gebied van masjienleer (ML) nie meer vermy word nie.
Om die ontwerp van ASIC's vir ML-take te bespoedig, vestig DARPA 'n nuwe program - Real Time Machine Learning (RTML). Die intydse masjienleerprogram behels die ontwikkeling van 'n samesteller of sagtewareplatform wat outomaties 'n chip-argitektuur vir 'n spesifieke ML-raamwerk kan ontwerp. Die platform moet outomaties die voorgestelde masjienleeralgoritme en die datastel vir die opleiding van hierdie algoritme ontleed, waarna dit kode in Verilog moet produseer om 'n gespesialiseerde ASIC te skep. ML-algoritme-ontwikkelaars het nie die kennis van skyfie-ontwerpers nie, en ontwerpers is selde vertroud met masjienleerbeginsels. Die RTML-program behoort te help verseker dat die voordele van beide gekombineer word in 'n outomatiese ASIC-ontwikkelingsplatform vir masjienleer.
Gedurende die lewensiklus van die RTML-program sal die oplossings wat gevind word, in twee hooftoepassingsareas getoets moet word: 5G-netwerke en beeldverwerking. Die RTML-program en die geskepde sagtewareplatforms vir outomatiese ontwerp van ML-versnellers sal ook gebruik word om nuwe ML-algoritmes en datastelle te ontwikkel en te toets. Dus, selfs voor die ontwerp van die silikon, sal dit moontlik wees om die vooruitsigte van nuwe raamwerke te assesseer. DARPA se vennoot in die RTML-program sal die Nasionale Wetenskapstigting (NSF) wees, wat ook betrokke is by masjienleerprobleme en die ontwikkeling van ML-algoritmes. Die ontwikkelde samesteller sal na NSF oorgedra word, en terug verwag DARPA om 'n samesteller en platform vir die ontwerp van ML-algoritmes te ontvang. In die toekoms sal hardeware-ontwerp en skepping van algoritmes 'n geΓ―ntegreerde oplossing word, wat sal lei tot die opkoms van masjienstelsels wat intyds selfleer.
Bron: 3dnews.ru