Vargu ar kas nors ginčys, kad pasirinktinių LSI (ASIC) kūrimas toli gražu nėra paprastas ir greitas procesas. Bet noriu ir reikia, kad būtų greičiau: šiandien išleidau algoritmą, o po savaitės išsinešiau baigtą skaitmeninį projektą. Faktas yra tas, kad labai specializuoti LSI yra beveik vienkartinis produktas. Jų retai prireikia milijoninėmis partijomis, kurių kūrimui galite išleisti tiek pinigų ir žmogiškųjų išteklių, kiek norite, jei tai reikia padaryti per trumpiausią įmanomą laiką. Specializuotus ASIC, taigi ir efektyviausius sprendžiant jų užduotis, kurti turėtų būti pigiau, o tai dabartiniame mašininio mokymosi vystymosi etape tampa itin aktualu. Šiuo atžvilgiu nebegalima išvengti kompiuterių rinkos sukaupto bagažo ir ypač GPU proveržių mašininio mokymosi (ML) srityje.
Siekdama paspartinti ASIC projektavimą ML užduotims, DARPA kuria naują programą – Realaus laiko mašinų mokymąsi (RTML). Realaus laiko mašininio mokymosi programa apima kompiliatoriaus arba programinės įrangos platformos kūrimą, kuri galėtų automatiškai sukurti lusto architektūrą konkrečiai ML sistemai. Platforma turėtų automatiškai išanalizuoti siūlomą mašininio mokymosi algoritmą ir šio algoritmo mokymo duomenų rinkinį, o po to ji turėtų sukurti kodą „Verilog“, kad sukurtų specializuotą ASIC. ML algoritmų kūrėjai neturi lustų kūrėjų žinių, o dizaineriai retai yra susipažinę su mašininio mokymosi principais. RTML programa turėtų padėti užtikrinti, kad abiejų privalumai būtų sujungti automatizuotoje ASIC kūrimo platformoje, skirtoje mašininiam mokymuisi.
Per RTML programos gyvavimo ciklą rastus sprendimus reikės išbandyti dviejose pagrindinėse taikymo srityse: 5G tinkluose ir vaizdo apdorojime. Taip pat RTML programa ir sukurtos programinės įrangos platformos automatiniam ML greitintuvų projektavimui bus naudojamos kuriant ir testuojant naujus ML algoritmus ir duomenų rinkinius. Taigi, dar prieš projektuojant silicį, bus galima įvertinti naujų karkasų perspektyvas. DARPA partneris RTML programoje bus Nacionalinis mokslo fondas (NSF), kuris taip pat užsiima mašininio mokymosi problemomis ir ML algoritmų kūrimu. Sukurtas kompiliatorius bus perkeltas į NSF, o atgal DARPA tikisi gauti kompiliatorių ir platformą ML algoritmams kurti. Ateityje techninės įrangos projektavimas ir algoritmų kūrimas taps integruotu sprendimu, dėl kurio atsiras mašinų sistemos, kurios mokosi savarankiškai realiu laiku.
Šaltinis: 3dnews.ru