Налично е малко вероятно да се спори, че проектирането на поръчкови БИС (ASIC) не е проста и бърза задача. Все пак е желателно и необходимо да бъде по-бързо: днес предлагате алгоритъм, а след седмица вземате готов цифров проект. Проблемът е, че свръхспециализираните БИС са почти уникален продукт. Те рядко се изискват в милионни количества, за които могат да се изразходват неограничени средства и човешки ресурси, ако е необходимо да се завършат в най-кратки срокове. Специализираните, а следователно и най-ефективните за решаване на конкретни задачи ASIC трябват да бъдат проектирани по-евтино, което е особено актуално на съвременната етап на развитие на машинното обучение. На този фронт вече не може да се разчита само на опита, натрупан от компютърния пазар, особено с пробивите в GPU в областта на машинното обучение (ML).
С цел ускоряване на проектирането на ASIC за задачи в областта на ML, агенцията DARPA създава нова програма - Real Time Machine Learning (RTML). Програмата за машинно обучение в реално време предвижда разработването на компилатор или софтуерна платформа, която да може автоматично да проектира архитектурата на чипа за конкретен ML фреймуорк. Платформата трябва автоматично да анализира предложения алгоритъм за машинно обучение и набора от данни за обучение тeмém алгоритъм, след което трябва да изведе код на Verilog за създаването на специализиран ASIC. Специалистите по разработка на ML алгоритми не разполагат с познанията на чип проектанти, а проектантите рядко са запознати с принципите на машинното обучение. Програмата RTML трябва да помогне за съчетаване на предимствата и на двете страни в автоматизирана платформа за проектиране на ASIC за машинно обучение.
По време на жизнения цикъл на програмата RTML, откритите решения трябва да бъдат проверявани в две основни области на приложение: работа в 5G мрежи и обработка на изображения. Също така програмата RTML и създадените софтуерни платформи за автоматично проектиране на ML ускорители ще се използват за разработване и тестване на нови ML алгоритми и набори от данни. По този начин, още преди проектирането на „силикона“, ще може да се оценят перспективите на новите фреймуорци. Партньор на DARPA в програмата RTML ще бъде Националният научен фонд (NSF), който също се занимава с проблемите на машинното обучение и разработването на ML алгоритми. Разработеният компилатор ще бъде предаден на NSF, а обратно DARPA очаква да получи компилатор и платформа за проектиране на ML алгоритми. В бъдеще хардуерното проектиране и разработването на алгоритми ще бъдат интегрирано решение, което ще доведе до появата на самообучаващи се в реално време машинни системи.
Източник: 3dnews.ru
