Il est peu probable que quiconque conteste le fait que la conception de LSI personnalisés (ASIC) est loin d’être un processus simple et rapide. Mais je veux et j'ai besoin que cela soit plus rapide : aujourd'hui, j'ai publié un algorithme, et une semaine plus tard, j'ai emporté le projet numérique terminé. Le fait est que les LSI hautement spécialisés constituent presque un produit unique. Ceux-ci sont rarement nécessaires par lots de millions, pour le développement desquels vous pouvez consacrer autant d'argent et de ressources humaines que vous le souhaitez, si cela doit être fait dans les plus brefs délais. Les ASIC spécialisés, et donc les plus efficaces pour résoudre leurs tâches, devraient être moins chers à développer, ce qui devient extrêmement pertinent au stade actuel de développement de l'apprentissage automatique. Sur ce front, le bagage accumulé par le marché informatique et, en particulier, les percées des GPU dans le domaine de l'apprentissage automatique (ML) ne peuvent plus être évités.
Pour accélérer la conception des ASIC pour les tâches ML, la DARPA met en place un nouveau programme : Real Time Machine Learning (RTML). Le programme d'apprentissage automatique en temps réel implique le développement d'un compilateur ou d'une plate-forme logicielle capable de concevoir automatiquement une architecture de puce pour un cadre de ML spécifique. La plateforme doit analyser automatiquement l'algorithme d'apprentissage automatique proposé et l'ensemble de données pour entraîner cet algorithme, après quoi elle doit produire du code dans Verilog pour créer un ASIC spécialisé. Les développeurs d’algorithmes ML n’ont pas les connaissances des concepteurs de puces, et les concepteurs sont rarement familiarisés avec les principes d’apprentissage automatique. Le programme RTML devrait contribuer à garantir que les avantages des deux soient combinés dans une plate-forme de développement ASIC automatisée pour l'apprentissage automatique.
Durant le cycle de vie du programme RTML, les solutions trouvées devront être testées dans deux domaines d'application principaux : les réseaux 5G et le traitement d'images. En outre, le programme RTML et les plates-formes logicielles créées pour la conception automatique d'accélérateurs ML seront utilisés pour développer et tester de nouveaux algorithmes et ensembles de données ML. Ainsi, avant même de concevoir le silicium, il sera possible d'évaluer les perspectives de nouveaux frameworks. Le partenaire de la DARPA dans le programme RTML sera la National Science Foundation (NSF), qui est également impliquée dans les problèmes d'apprentissage automatique et le développement d'algorithmes ML. Le compilateur développé sera transféré à la NSF, et la DARPA espère recevoir un compilateur et une plate-forme pour concevoir des algorithmes ML. À l’avenir, la conception matérielle et la création d’algorithmes deviendront une solution intégrée, ce qui conduira à l’émergence de systèmes machines auto-apprenants en temps réel.
Source: 3dnews.ru