Es ist unwahrscheinlich, dass irgendjemand der Tatsache widersprechen wird, dass der Entwurf kundenspezifischer LSIs (ASICs) alles andere als ein einfacher und schneller Prozess ist. Aber ich möchte und muss, dass es schneller geht: Heute habe ich einen Algorithmus herausgegeben und eine Woche später das fertige digitale Projekt mitgenommen. Tatsache ist, dass hochspezialisierte LSIs fast ein Einzelprodukt sind. Diese werden selten in Millionenbeträgen benötigt, für deren Entwicklung Sie beliebig viel Geld und Personal aufwenden können, wenn dies in kürzester Zeit geschehen muss. Spezialisierte ASICs und damit die effektivsten zur Lösung ihrer Aufgaben sollten kostengünstiger zu entwickeln sein, was im gegenwärtigen Entwicklungsstadium des maschinellen Lernens von großer Bedeutung ist. An dieser Front lässt sich der vom Computermarkt angehäufte Ballast und insbesondere GPU-Durchbrüche im Bereich des maschinellen Lernens (ML) nicht mehr vermeiden.
Um den Entwurf von ASICs für ML-Aufgaben zu beschleunigen, etabliert DARPA ein neues Programm – Real Time Machine Learning (RTML). Das Programm für maschinelles Lernen in Echtzeit umfasst die Entwicklung eines Compilers oder einer Softwareplattform, die automatisch eine Chiparchitektur für ein bestimmtes ML-Framework entwerfen kann. Die Plattform sollte den vorgeschlagenen Algorithmus für maschinelles Lernen und den Datensatz zum Trainieren dieses Algorithmus automatisch analysieren und anschließend Code in Verilog erstellen, um einen speziellen ASIC zu erstellen. Entwickler von ML-Algorithmen verfügen nicht über das Wissen von Chipdesignern, und Designer sind selten mit den Prinzipien des maschinellen Lernens vertraut. Das RTML-Programm soll dazu beitragen, dass die Vorteile beider in einer automatisierten ASIC-Entwicklungsplattform für maschinelles Lernen vereint werden.
Während des Lebenszyklus des RTML-Programms müssen die gefundenen Lösungen in zwei Hauptanwendungsbereichen getestet werden: 5G-Netzwerke und Bildverarbeitung. Außerdem werden das RTML-Programm und die erstellten Softwareplattformen für den automatischen Entwurf von ML-Beschleunigern verwendet, um neue ML-Algorithmen und Datensätze zu entwickeln und zu testen. Somit wird es bereits vor dem Design des Siliziums möglich sein, die Aussichten neuer Frameworks einzuschätzen. DARPAs Partner im RTML-Programm wird die National Science Foundation (NSF) sein, die sich ebenfalls mit Problemen des maschinellen Lernens und der Entwicklung von ML-Algorithmen befasst. Der entwickelte Compiler wird an NSF übertragen, und DARPA erwartet, einen Compiler und eine Plattform zum Entwerfen von ML-Algorithmen zu erhalten. In Zukunft werden Hardware-Design und Erstellung von Algorithmen zu einer integrierten Lösung werden, die zur Entstehung von Maschinensystemen führen wird, die in Echtzeit selbstlernend sind.
Source: 3dnews.ru