ASICs עבור למידת מכונה צריכים להיות מתוכננים באופן אוטומטי

לא סביר שמישהו יתווכח עם העובדה שעיצוב LSIs מותאמים אישית (ASICs) רחוק מלהיות תהליך פשוט ומהיר. אבל אני רוצה וצריך שזה יהיה מהיר יותר: היום הוצאתי אלגוריתם, ושבוע לאחר מכן לקחתי את הפרויקט הדיגיטלי המוגמר. העובדה היא ש-LSIs מיוחדים מאוד הם כמעט מוצר חד פעמי. לעתים נדירות יש צורך בהם בקבוצות של מיליונים, שעל פיתוחם אתה יכול להוציא כמה כסף ומשאבי אנוש שאתה רוצה, אם זה צריך להיעשות בזמן הקצר ביותר. ASICs מיוחדים, ולפיכך היעילים ביותר לפתרון המשימות שלהם, צריכים להיות זולים יותר לפיתוח, מה שהופך להיות מגה-רלוונטי בשלב הנוכחי של הפיתוח של למידת מכונה. בחזית זו, לא ניתן עוד להימנע מהמטען שצבר שוק המחשבים ובעיקר מפריצות דרך של GPU בתחום למידת המכונה (ML).

כדי להאיץ את התכנון של ASICs עבור משימות ML, DARPA מקימה תוכנית חדשה - Real Time Machine Learning (RTML). תוכנית למידת מכונה בזמן אמת כוללת פיתוח מהדר או פלטפורמת תוכנה שיכולה לעצב אוטומטית ארכיטקטורת שבבים עבור מסגרת ML ספציפית. הפלטפורמה צריכה לנתח אוטומטית את אלגוריתם למידת המכונה המוצע ואת מערך הנתונים לאימון אלגוריתם זה, ולאחר מכן עליה לייצר קוד ב-Verilog ליצירת ASIC מיוחד. למפתחי אלגוריתמי ML אין את הידע של מעצבי שבבים, ומעצבים מכירים רק לעתים רחוקות את עקרונות למידת מכונה. תוכנית RTML אמורה לסייע להבטיח שהיתרונות של שניהם משולבים בפלטפורמת פיתוח ASIC אוטומטית ללמידת מכונה.

במהלך מחזור החיים של תוכנית RTML, הפתרונות שנמצאו יצטרכו להיבדק בשני תחומי יישומים עיקריים: רשתות 5G ועיבוד תמונה. כמו כן, תוכנית RTML ופלטפורמות התוכנה שנוצרו לתכנון אוטומטי של מאיצי ML ישמשו לפיתוח ובדיקת אלגוריתמים ומערכי נתונים חדשים של ML. כך, עוד לפני תכנון הסיליקון, ניתן יהיה להעריך את הסיכויים של מסגרות חדשות. השותפה של DARPA בתוכנית RTML תהיה הקרן הלאומית למדע (NSF), שעוסקת גם בבעיות למידת מכונה ופיתוח אלגוריתמי ML. המהדר שפותח יועבר ל-NSF, ובחזרה DARPA מצפה לקבל מהדר ופלטפורמה לעיצוב אלגוריתמי ML. בעתיד, עיצוב חומרה ויצירת אלגוריתמים יהפכו לפתרון משולב, שיוביל להופעתם של מערכות מכונות הנלמדות על עצמן בזמן אמת.

מקור: 3dnews.ru