من غير المرجح أن يجادل أي شخص في حقيقة أن تصميم LSIs المخصص (ASICs) ليس عملية بسيطة وسريعة. لكنني أريد وأحتاج إلى أن يكون أسرع: لقد أصدرت اليوم خوارزمية، وبعد أسبوع أخذت المشروع الرقمي النهائي. والحقيقة هي أن LSIs المتخصصة للغاية تكاد تكون منتجًا لمرة واحدة. نادرًا ما تكون هناك حاجة إليها على دفعات الملايين، حيث يمكنك إنفاق أكبر قدر ممكن من المال والموارد البشرية على تطويرها، إذا كان يجب القيام بذلك في أقصر وقت ممكن. يجب أن تكون أجهزة ASIC المتخصصة، وبالتالي الأكثر فعالية في حل مهامها، أرخص في التطوير، والتي أصبحت ذات أهمية كبيرة في المرحلة الحالية من تطوير التعلم الآلي. على هذه الجبهة، لم يعد من الممكن تجنب الأعباء المتراكمة من سوق الكمبيوتر، وخاصة اختراقات GPU في مجال التعلم الآلي (ML).
لتسريع تصميم ASICs لمهام ML، تقوم DARPA بإنشاء برنامج جديد - التعلم الآلي في الوقت الحقيقي (RTML). يتضمن برنامج التعلم الآلي في الوقت الفعلي تطوير مترجم أو منصة برمجية يمكنها تلقائيًا تصميم بنية شريحة لإطار عمل محدد لتعلم الآلة. يجب أن تقوم المنصة تلقائيًا بتحليل خوارزمية التعلم الآلي المقترحة ومجموعة البيانات لتدريب هذه الخوارزمية، وبعد ذلك يجب أن تنتج تعليمات برمجية في Verilog لإنشاء ASIC متخصص. لا يمتلك مطورو خوارزميات ML المعرفة بمصممي الرقائق، ونادرًا ما يكون المصممون على دراية بمبادئ التعلم الآلي. يجب أن يساعد برنامج RTML في ضمان دمج مزايا كليهما في منصة تطوير ASIC آلية للتعلم الآلي.
خلال دورة حياة برنامج RTML، يجب اختبار الحلول الموجودة في مجالين رئيسيين للتطبيق: شبكات 5G ومعالجة الصور. كما سيتم استخدام برنامج RTML ومنصات البرامج التي تم إنشاؤها للتصميم التلقائي لمسرعات تعلم الآلة لتطوير واختبار خوارزميات تعلم الآلة ومجموعات البيانات الجديدة. وبالتالي، حتى قبل تصميم السيليكون، سيكون من الممكن تقييم آفاق الأطر الجديدة. سيكون شريك DARPA في برنامج RTML هو مؤسسة العلوم الوطنية (NSF)، والتي تشارك أيضًا في مشاكل التعلم الآلي وتطوير خوارزميات ML. سيتم نقل المترجم الذي تم تطويره إلى NSF، وتتوقع DARPA أن تتلقى مترجمًا ومنصة لتصميم خوارزميات ML. في المستقبل، سيصبح تصميم الأجهزة وإنشاء الخوارزميات حلاً متكاملاً، مما سيؤدي إلى ظهور أنظمة الآلة التي تتعلم ذاتيًا في الوقت الفعلي.
المصدر: 3dnews.ru