É improbable que alguén discuta co feito de que deseñar LSI personalizados (ASIC) dista moito de ser un proceso sinxelo e rápido. Pero quero e necesito que sexa máis rápido: hoxe publiquei un algoritmo, e unha semana despois quiteime o proxecto dixital rematado. O feito é que os LSI altamente especializados son case un produto único. Estes raramente son necesarios en lotes de millóns, en cuxo desenvolvemento pode gastar tanto diñeiro e recursos humanos como queira, se é necesario facelo no menor tempo posible. Os ASIC especializados, e, polo tanto, os máis eficaces para resolver as súas tarefas, deberían ser máis baratos de desenvolver, o que se está facendo moi relevante na fase actual de desenvolvemento da aprendizaxe automática. Neste fronte, xa non se pode evitar a bagaxe acumulada polo mercado informático e, especialmente, os avances das GPU no campo da aprendizaxe automática (ML).
Para acelerar o deseño de ASIC para tarefas de ML, DARPA está a establecer un novo programa - Real Time Machine Learning (RTML). O programa de aprendizaxe automática en tempo real implica o desenvolvemento dun compilador ou plataforma de software que podería deseñar automaticamente unha arquitectura de chip para un marco de ML específico. A plataforma debería analizar automaticamente o algoritmo de aprendizaxe automática proposto e o conxunto de datos para adestrar este algoritmo, despois de que debería producir código en Verilog para crear un ASIC especializado. Os desenvolvedores de algoritmos ML non teñen os coñecementos dos deseñadores de chips, e os deseñadores raramente están familiarizados cos principios de aprendizaxe automática. O programa RTML debería axudar a garantir que as vantaxes de ambos se combinen nunha plataforma de desenvolvemento ASIC automatizada para a aprendizaxe automática.
Durante o ciclo de vida do programa RTML, as solucións atopadas deberán ser probadas en dúas áreas de aplicación principais: redes 5G e procesamento de imaxes. Ademais, o programa RTML e as plataformas de software creadas para o deseño automático de aceleradores de ML utilizaranse para desenvolver e probar novos algoritmos e conxuntos de datos de ML. Así, mesmo antes de deseñar o silicio, será posible avaliar as perspectivas de novos marcos. O socio de DARPA no programa RTML será a National Science Foundation (NSF), que tamén participa en problemas de aprendizaxe automática e no desenvolvemento de algoritmos de ML. O compilador desenvolvido transferirase a NSF e DARPA espera recibir un compilador e unha plataforma para deseñar algoritmos de ML. No futuro, o deseño de hardware e a creación de algoritmos converterase nunha solución integrada, o que levará á aparición de sistemas de máquinas de autoaprendizaxe en tempo real.
Fonte: 3dnews.ru