Malo je vjerovatno da će se itko raspravljati s činjenicom da je dizajniranje prilagođenih LSI-ova (ASIC) daleko od jednostavnog i brzog procesa. Ali želim i moram da bude brže: danas sam izdao algoritam, a nedelju dana kasnije oduzeo sam gotov digitalni projekat. Činjenica je da su visokospecijalizirani LSI gotovo jednokratni proizvod. Oni su rijetko potrebni u milionskim serijama, na čiji razvoj možete potrošiti novca i ljudskih resursa koliko želite, ako to treba učiniti u najkraćem mogućem roku. Specijalizovani ASIC-i, a samim tim i najefikasniji za rešavanje njihovih zadataka, trebalo bi da budu jeftiniji za razvoj, što postaje megarelevantno u sadašnjoj fazi razvoja mašinskog učenja. Na ovom frontu, prtljag akumuliran na tržištu računara i, posebno, GPU prodori u oblasti mašinskog učenja (ML) više se ne mogu izbjeći.
Kako bi ubrzao dizajn ASIC-a za ML zadatke, DARPA uspostavlja novi program - Real Time Machine Learning (RTML). Program strojnog učenja u realnom vremenu uključuje razvoj kompajlera ili softverske platforme koja bi mogla automatski dizajnirati arhitekturu čipa za određeni ML okvir. Platforma bi trebala automatski analizirati predloženi algoritam strojnog učenja i skup podataka za obuku ovog algoritma, nakon čega bi trebala proizvesti kod u Verilogu za kreiranje specijaliziranog ASIC-a. Programeri ML algoritama nemaju znanja o dizajnerima čipova, a dizajneri su rijetko upoznati s principima strojnog učenja. RTML program bi trebao pomoći da se osigura da se prednosti oba kombinuju u automatiziranoj ASIC razvojnoj platformi za strojno učenje.
Tokom životnog ciklusa RTML programa, pronađena rješenja će morati biti testirana u dvije glavne oblasti primjene: 5G mreže i obrada slika. Takođe, RTML program i kreirane softverske platforme za automatsko projektovanje ML akceleratora će se koristiti za razvoj i testiranje novih ML algoritama i skupova podataka. Tako će, čak i prije dizajniranja silicija, biti moguće procijeniti izglede novih okvira. DARPA-in partner u RTML programu biće Nacionalna naučna fondacija (NSF), koja se takođe bavi problemima mašinskog učenja i razvojem algoritama za učenje učenja. Razvijeni kompajler će biti prebačen u NSF, a DARPA očekuje da dobije kompajler i platformu za projektovanje ML algoritama. U budućnosti će hardversko projektovanje i kreiranje algoritama postati integrisano rešenje, što će dovesti do pojave mašinskih sistema koji se samouče u realnom vremenu.
izvor: 3dnews.ru