Es poco probable que alguien discuta el hecho de que diseñar LSI (ASIC) personalizados está lejos de ser un proceso simple y rápido. Pero quiero y necesito que sea más rápido: hoy publiqué un algoritmo y una semana después me llevé el proyecto digital terminado. El hecho es que las LSI altamente especializadas son casi un producto único. Rara vez se necesitan lotes de millones, en cuyo desarrollo puede gastar tanto dinero y recursos humanos como desee, si es necesario hacerlo en el menor tiempo posible. Los ASIC especializados, y por lo tanto los más eficaces para resolver sus tareas, deberían ser más baratos de desarrollar, lo que se está volviendo muy relevante en la etapa actual de desarrollo del aprendizaje automático. En este frente, ya no se puede evitar el bagaje acumulado por el mercado de la informática y, especialmente, los avances de las GPU en el campo del aprendizaje automático (ML).
Para acelerar el diseño de ASIC para tareas de ML, DARPA está estableciendo un nuevo programa: Real Time Machine Learning (RTML). El programa de aprendizaje automático en tiempo real implica el desarrollo de un compilador o plataforma de software que podría diseñar automáticamente una arquitectura de chip para un marco de aprendizaje automático específico. La plataforma debería analizar automáticamente el algoritmo de aprendizaje automático propuesto y el conjunto de datos para entrenar este algoritmo, después de lo cual debería producir código en Verilog para crear un ASIC especializado. Los desarrolladores de algoritmos de aprendizaje automático no tienen el conocimiento de los diseñadores de chips y los diseñadores rara vez están familiarizados con los principios del aprendizaje automático. El programa RTML debería ayudar a garantizar que las ventajas de ambos se combinen en una plataforma de desarrollo ASIC automatizada para el aprendizaje automático.
Durante el ciclo de vida del programa RTML, las soluciones encontradas deberán probarse en dos áreas de aplicación principales: 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 y conjuntos de datos de ML. Así, incluso antes de diseñar el silicio, será posible evaluar las perspectivas de nuevas estructuras. El socio de DARPA en el programa RTML será la National Science Foundation (NSF), que también participa en problemas de aprendizaje automático y el desarrollo de algoritmos ML. El compilador desarrollado se transferirá a NSF y, de regreso, DARPA espera recibir un compilador y una plataforma para diseñar algoritmos de ML. En el futuro, el diseño de hardware y la creación de algoritmos se convertirán en una solución integrada, lo que conducirá a la aparición de sistemas de máquinas que sean autodidactas en tiempo real.
Fuente: 3dnews.ru