Es difícil que alguien discuta que el diseño de ASIC personalizados no es un proceso simple ni rápido. Y se quiere y necesita que sea más rápido: hoy se entrega el algoritmo y en una semana se recoge el proyecto digital terminado. La cuestión es que los ASIC altamente especializados son casi un producto artesanal. Rara vez se necesitan en millones de unidades, para las cuales se puede gastar lo que sea necesario en dinero y recursos humanos si hay que hacerlo en el menor tiempo posible. Los ASIC especializados, y por lo tanto más efectivos para resolver sus tareas, deben ser más económicos en su desarrollo, lo que se vuelve megaimportante en la actual etapa de evolución del aprendizaje automático. En este frente, ya no basta con la experiencia acumulada por el mercado informático y, especialmente, los avances de las GPU en el ámbito del aprendizaje automático (ML).
Para acelerar el diseño de ASIC para tareas de ML, la agencia DARPA establece un nuevo programa: Aprendizaje Automático en Tiempo Real (RTML). El programa de aprendizaje automático en tiempo real prevé el desarrollo de un compilador o plataforma de software que pueda diseñar automáticamente la arquitectura del chip para un marco específico de ML. La plataforma debe analizar automáticamente el algoritmo propuesto para el aprendizaje automático y el conjunto de datos de entrenamiento para dicho algoritmo, tras lo cual debe generar código en Verilog para crear un ASIC especializado. Los especialistas en el desarrollo de algoritmos de ML no poseen los conocimientos de los diseñadores de chips, y los diseñadores rara vez están familiarizados con los principios del aprendizaje automático. El programa RTML debe facilitar que las ventajas de ambos se integren en una plataforma automatizada para el desarrollo de ASIC para el aprendizaje automático.
Durante el ciclo de vida del programa RTML, las soluciones encontradas deberán ser verificadas en dos áreas principales de aplicación: operaciones en redes 5G y procesamiento de imágenes. Además, el programa RTML y las plataformas de software creadas para el diseño automático de aceleradores de ML se utilizarán para desarrollar y probar nuevos algoritmos de ML y conjuntos de datos. De este modo, incluso antes del diseño del 'silicio', se podrán evaluar las perspectivas de nuevos marcos. El socio de DARPA para el programa RTML será la Fundación Nacional de Ciencias (NSF), que también se ocupa de cuestiones de aprendizaje automático y el desarrollo de algoritmos de ML. El compilador desarrollado se entregará a la NSF, y DARPA espera recibir de vuelta el compilador y la plataforma para el diseño de algoritmos de ML. Posteriormente, el diseño de hardware y la creación de algoritmos serán una solución integral, lo que llevará a la creación de sistemas de máquinas autoaprendientes en tiempo real.
Fuente: 3dnews.ru
