Estas neverŝajne, ke iu ajn argumentos pri la fakto, ke desegnado de kutimaj LSIoj (ASICs) estas malproksima de simpla kaj rapida procezo. Sed mi volas kaj bezonas ke ĝi estu pli rapida: hodiaŭ mi eldonis algoritmon, kaj semajnon poste mi forprenis la finitan ciferecan projekton. La fakto estas, ke tre specialigitaj LSIoj estas preskaŭ unufoja produkto. Ĉi tiuj malofte estas bezonataj en aroj da milionoj, por kies disvolviĝo vi povas elspezi tiom da mono kaj homaj rimedoj kiom vi volas, se tio devas esti farita en la plej mallonga tempo. Specialigitaj ASIC-oj, kaj tial la plej efikaj por solvi iliajn taskojn, devus esti pli malmultekostaj por evoluigi, kio fariĝas mega-grava en la nuna stadio de evoluo de maŝinlernado. Ĉi-flanke, la bagaĝo akumulita de la komputila merkato kaj, precipe, GPU-sukcesoj en la kampo de maŝina lernado (ML) ne plu povas esti evitita.
Por akceli la dezajnon de ASICs por ML-taskoj, DARPA establas novan programon - Real Time Machine Learning (RTML). La realtempa maŝinlernado programo implikas evoluigi kompililon aŭ softvarplatformon kiu povis aŭtomate dizajni blat-arkitekturon por specifa ML-kadro. La platformo devus aŭtomate analizi la proponitan maŝinlernadon-algoritmon kaj la datuman aron por trejnado de ĉi tiu algoritmo, post kio ĝi devus produkti kodon en Verilog por krei specialecan ASIC. ML-algoritmprogramistoj ne havas la scion pri blatdizajnistoj, kaj dizajnistoj malofte konas maŝinlernajn principojn. La RTML-programo devus helpi certigi, ke la avantaĝoj de ambaŭ estas kombinitaj en aŭtomatigita ASIC-disvolva platformo por maŝinlernado.
Dum la vivociklo de la RTML-programo, la trovitaj solvoj devos esti provitaj en du ĉefaj aplikaĵaj areoj: 5G-retoj kaj bildprilaborado. Ankaŭ, la RTML-programo kaj la kreitaj softvarplatformoj por aŭtomata dezajno de ML-akceliloj estos uzataj por evoluigi kaj testi novajn ML-algoritmojn kaj datumarojn. Tiel, eĉ antaŭ desegnado de la silicio, eblos taksi la perspektivojn de novaj kadroj. La partnero de DARPA en la RTML-programo estos la National Science Foundation (NSF), kiu ankaŭ estas implikita en maŝinlernado-problemoj kaj la evoluo de ML-algoritmoj. La evoluinta kompililo estos transdonita al NSF, kaj reen DARPA atendas ricevi kompililon kaj platformon por desegni ML-algoritmojn. En la estonteco, aparataro-dezajno kaj kreado de algoritmoj fariĝos integra solvo, kio kondukos al la apero de maŝinaj sistemoj, kiuj estas memlernantaj en reala tempo.
fonto: 3dnews.ru