È difficile trovare qualcuno che possa contestare il fatto che la progettazione di circuiti integrati (ASIC) su misura non sia un processo semplice e rapido. Eppure, c'è il desiderio e la necessità di rendere il tutto più veloce: oggi si fornisce un algoritmo e, dopo una settimana, si ritira il progetto digitale finito. Il punto è che gli ASIC estremamente specializzati sono quasi prodotti unici. Questi raramente sono richiesti in milioni di unità, per i quali si possono investire illimitate risorse economiche e umane, se è necessario farlo nel più breve tempo possibile. Gli ASIC specializzati, e quindi più efficienti per risolvere le proprie problematiche, devono avere costi di sviluppo inferiori, il che diventa estremamente rilevante nell'attuale fase di sviluppo del machine learning. In questo ambito, non si può più fare affidamento solo sulle conoscenze accumulate dal mercato informatico e, in particolare, sulle rivoluzioni delle GPU nell'ambito del machine learning (ML).
Per accelerare la progettazione di ASIC per compiti di ML, l'agenzia DARPA istituisce un nuovo programma: Real Time Machine Learning (RTML). Il programma di machine learning in tempo reale prevede lo sviluppo di un compilatore o di una piattaforma software in grado di progettare automaticamente l'architettura del chip per un determinato framework di ML. La piattaforma dovrebbe analizzare automaticamente l'algoritmo proposto per il machine learning e il set di dati per l'addestramento di tale algoritmo, dopo di che, in linguaggio Verilog, dovrebbe generare il codice per la creazione di un ASIC specializzato. Gli esperti nello sviluppo di algoritmi di ML non possiedono le competenze dei progettisti di chip, e i progettisti raramente conoscono i principi del machine learning. Il programma RTML dovrebbe facilitare la fusione dei vantaggi di entrambe le parti in una piattaforma automatizzata per la progettazione di ASIC per il machine learning.
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 utilizzate per sviluppare e testare nuovi algoritmi di ML e set di dati. In questo modo, anche prima della progettazione del 'silicio', si potranno valutare le prospettive di nuovi framework. Il partner di DARPA per il programma RTML sarà la National Science Foundation (NSF), che si occupa anch'essa di problemi di apprendimento automatico e sviluppo di algoritmi di ML. Il compilatore sviluppato sarà consegnato alla NSF, e in cambio DARPA prevede di ricevere un compilatore e una piattaforma per la progettazione di algoritmi di ML. In futuro, la progettazione hardware e la creazione di algoritmi saranno una soluzione integrata, portando così alla nascita di sistemi di machine learning auto-apprendenti in tempo reale.
Fonte: 3dnews.ru
