Malo je vjerojatno da će se itko raspravljati s činjenicom da je dizajniranje prilagođenih LSI (ASIC) daleko od jednostavnog i brzog procesa. Ali želim i trebam da bude brže: danas sam izdao algoritam, a tjedan dana kasnije odnio sam gotov digitalni projekt. Činjenica je da su visoko specijalizirani LSI gotovo jednokratni proizvod. Oni su rijetko potrebni u serijama od milijuna, na čiji razvoj možete potrošiti koliko god želite novca i ljudskih resursa, ako to treba učiniti u najkraćem mogućem roku. Specijalizirani ASIC-ovi, a time i najučinkovitiji za rješavanje svojih zadataka, trebali bi biti jeftiniji za razvoj, što u sadašnjoj fazi razvoja strojnog učenja postaje megarelevantno. Na ovom frontu, prtljaga koju je akumuliralo tržište računala, a posebno GPU otkrića u području strojnog učenja (ML), više se ne može izbjeći.
Kako bi se ubrzao dizajn ASIC-ova za ML zadatke, DARPA uspostavlja novi program - Real Time Machine Learning (RTML). Program strojnog učenja u stvarnom vremenu uključuje razvoj prevoditelja ili softverske platforme koja može automatski dizajnirati arhitekturu čipa za određeni ML okvir. Platforma bi trebala automatski analizirati predloženi algoritam strojnog učenja i skup podataka za obuku ovog algoritma, nakon čega bi trebala proizvesti kod u Verilogu za stvaranje specijaliziranog ASIC-a. Programeri ML algoritama nemaju znanje dizajnera čipova, a dizajneri su rijetko upoznati s principima strojnog učenja. Program RTML trebao bi pomoći da se prednosti oba kombiniraju u automatiziranoj razvojnoj platformi ASIC za strojno učenje.
Tijekom životnog ciklusa RTML programa, pronađena rješenja morat će se testirati u dva glavna područja primjene: 5G mreže i obrada slike. Također, program RTML i izrađene softverske platforme za automatsko projektiranje ML akceleratora koristit će se za razvoj i testiranje novih ML algoritama i skupova podataka. Dakle, čak i prije dizajniranja silicija, bit će moguće procijeniti izglede novih okvira. DARPA-in partner u programu RTML bit će Nacionalna znanstvena zaklada (NSF), koja se također bavi problemima strojnog učenja i razvojem ML algoritama. Razvijeni kompajler bit će prebačen u NSF, a natrag DARPA očekuje da će dobiti kompajler i platformu za projektiranje ML algoritama. U budućnosti će dizajn hardvera i izrada algoritama postati integrirano rješenje, što će dovesti do pojave strojnih sustava koji se sami uče u stvarnom vremenu.
Izvor: 3dnews.ru