Малку е веројатно дека некој ќе се расправа со фактот дека дизајнирањето на сопствени LSI (ASIC) е далеку од едноставен и брз процес. Но, сакам и ми треба да биде побрзо: денес издадов алгоритам, а една недела подоцна го одзедов готовиот дигитален проект. Факт е дека високо специјализираните LSI се речиси еднократен производ. Овие ретко се потребни во серии од милиони, за чиј развој можете да потрошите пари и човечки ресурси колку што сакате, доколку тоа треба да се направи во најкус можен рок. Специјализираните ASIC, а со тоа и најефикасните за решавање на нивните задачи, треба да бидат поевтини за развој, што станува мега-релевантно во сегашната фаза на развој на машинското учење. На овој план, багажот акумулиран од пазарот на компјутери и, особено, откритијата на графичкиот процесор во областа на машинското учење (ML) повеќе не може да се избегне.
За да го забрза дизајнот на ASIC за ML задачи, DARPA воспоставува нова програма - Машинско учење во реално време (RTML). Програмата за машинско учење во реално време вклучува развој на компајлер или софтверска платформа која автоматски би можела да дизајнира архитектура на чипови за одредена ML рамка. Платформата треба автоматски да го анализира предложениот алгоритам за машинско учење и множеството податоци за обука на овој алгоритам, по што треба да произведе код во Verilog за да создаде специјализиран ASIC. Програмерите на ML алгоритам немаат знаење за дизајнери на чипови, а дизајнерите ретко се запознаени со принципите на машинско учење. Програмата RTML треба да помогне да се обезбеди дека предностите на двете се комбинираат во автоматизирана платформа за развој на ASIC за машинско учење.
За време на животниот циклус на програмата RTML, пронајдените решенија ќе треба да се тестираат во две главни области на примена: 5G мрежи и обработка на слики. Исто така, програмата RTML и креираните софтверски платформи за автоматско дизајнирање на ML акцелератори ќе се користат за развој и тестирање на нови ML алгоритми и сетови на податоци. Така, дури и пред да се дизајнира силиконот, ќе биде можно да се проценат изгледите за нови рамки. Партнер на DARPA во програмата RTML ќе биде Националната научна фондација (NSF), која исто така е вклучена во проблемите со машинското учење и развојот на ML алгоритми. Развиениот компајлер ќе биде префрлен на NSF, а назад DARPA очекува да добие компајлер и платформа за дизајнирање ML алгоритми. Во иднина, хардверскиот дизајн и креирањето на алгоритми ќе станат интегрирано решение, што ќе доведе до појава на машински системи кои самостојно учат во реално време.
Извор: 3dnews.ru