Maz ticams, ka kāds strīdēsies ar faktu, ka pielāgotu LSI (ASIC) projektēšana ir tālu no vienkārša un ātra procesa. Bet es gribu un vajag, lai tas būtu ātrāks: šodien es izdevu algoritmu, un pēc nedēļas es atņēmu gatavo digitālo projektu. Fakts ir tāds, ka ļoti specializēti LSI ir gandrīz vienreizējs produkts. Tādas reti ir vajadzīgas miljonu partijās, kuru izstrādei var tērēt tik daudz naudas un cilvēkresursu, cik vien tīk, ja tas jāizdara pēc iespējas īsākā laikā. Specializētajiem ASIC un līdz ar to visefektīvākajiem to uzdevumu risināšanai vajadzētu būt lētākiem izstrādei, kas pašreizējā mašīnmācības attīstības stadijā kļūst ļoti aktuāli. Šajā jomā vairs nevar izvairīties no datoru tirgus uzkrātās bagāžas un jo īpaši no GPU sasniegumiem mašīnmācības (ML) jomā.
Lai paātrinātu ASIC projektēšanu ML uzdevumiem, DARPA izveido jaunu programmu - Real Time Machine Learning (RTML). Reāllaika mašīnmācīšanās programma ietver kompilatora vai programmatūras platformas izstrādi, kas varētu automātiski izstrādāt mikroshēmas arhitektūru konkrētai ML ietvaram. Platformai ir automātiski jāanalizē piedāvātais mašīnmācīšanās algoritms un datu kopa šī algoritma apmācībai, pēc tam tai ir jāizveido kods programmā Verilog, lai izveidotu specializētu ASIC. ML algoritmu izstrādātājiem nav zināšanu par mikroshēmu izstrādātājiem, un dizaineri reti pārzina mašīnmācīšanās principus. RTML programmai jāpalīdz nodrošināt, ka abu priekšrocības tiek apvienotas automatizētā ASIC izstrādes platformā mašīnmācībai.
RTML programmas dzīves cikla laikā atrastie risinājumi būs jāpārbauda divās galvenajās pielietojuma jomās: 5G tīklos un attēlu apstrādē. Tāpat RTML programma un izveidotās programmatūras platformas ML paātrinātāju automātiskai projektēšanai tiks izmantotas jaunu ML algoritmu un datu kopu izstrādei un testēšanai. Tādējādi jau pirms silīcija projektēšanas būs iespējams novērtēt jaunu karkasu izredzes. DARPA partneris RTML programmā būs Nacionālais zinātnes fonds (NSF), kas arī nodarbojas ar mašīnmācīšanās problēmām un ML algoritmu izstrādi. Izstrādātais kompilators tiks pārsūtīts uz NSF, un atpakaļ DARPA cer saņemt kompilatoru un platformu ML algoritmu izstrādei. Nākotnē aparatūras projektēšana un algoritmu izveide kļūs par integrētu risinājumu, kas novedīs pie tādu mašīnu sistēmu rašanās, kas pašmācības reāllaikā.
Avots: 3dnews.ru