È difficile trovare qualcuno che contesterebbe il fatto che la progettazione di ASIC (Circuiti Integrati Specifici per Applicazioni) non sia un processo semplice e rapido. Eppure, vorremmo e dobbiamo che sia più veloce: oggi si fornisce l'algoritmo, e tra una settimana si ritira il progetto digitale completato. Il problema è che gli ASIC altamente specializzati sono quasi un prodotto su misura. Raramente sono necessari in milioni di unità, per le quali si possono spendere infinite risorse e capitale umano se il tutto deve essere realizzato in tempi brevi. Gli ASIC, specializzati e quindi più efficaci per risolvere i propri compiti, devono costare meno da sviluppare, il che diventa estremamente rilevante nella fase attuale dell'apprendimento automatico. In questo ambito, non si può più fare affidamento solo sulle conoscenze accumulate dal mercato informatico, e in particolare sui progressi compiuti dalle GPU nel settore dell'apprendimento automatico (ML).
Per accelerare la progettazione di ASIC per compiti di ML, l'agenzia DARPA istituisce un nuovo programma chiamato Real Time Machine Learning (RTML). Il programma di apprendimento automatico in tempo reale prevede lo sviluppo di un compilatore o di una piattaforma software in grado di progettare automaticamente l'architettura di un chip per un determinato framework ML. La piattaforma deve analizzare automaticamente l'algoritmo proposto per l'apprendimento automatico e il set di dati per l'addestramento a questo algoritmo, dopodiché deve generare codice in Verilog per creare un ASIC specializzato. Gli specialisti nello sviluppo di algoritmi ML non possiedono le competenze dei progettisti di chip, e i progettisti raramente sono familiari con i principi dell'apprendimento automatico. Il programma RTML deve contribuire a unire i vantaggi di entrambe le parti in una piattaforma automatizzata per la progettazione di ASIC per l'apprendimento automatico.
Durante il ciclo di vita del programma RTML, le soluzioni trovate dovranno essere verificate in due principali aree di applicazione: operazioni nelle reti 5G e elaborazione delle immagini. Inoltre, il programma RTML e le piattaforme software create per la progettazione automatica di acceleratori ML saranno utilizzati per sviluppare e testare nuovi algoritmi ML e set di dati. In questo modo, già prima della progettazione del "silicio", sarà possibile valutare le prospettive di nuovi framework. Il partner di DARPA per il programma RTML sarà il National Science Foundation (NSF), che si occupa anche di questioni di machine learning e sviluppo di algoritmi ML. Il compilatore sviluppato sarà trasferito al NSF, mentre DARPA si aspetta di ricevere un compilatore e una piattaforma per la progettazione di algoritmi ML in cambio. In futuro, la progettazione hardware e la creazione di algoritmi saranno una soluzione integrata, portando alla nascita di sistemi di apprendimento automatico in tempo reale.
Fonte: 3dnews.ru
