Захиалгат LSI (ASIC) зохион бүтээх нь энгийн бөгөөд хурдан үйл явц биш гэдэгтэй хэн ч маргах магадлал багатай юм. Гэхдээ би үүнийг илүү хурдан болгохыг хүсч байна: өнөөдөр би алгоритм гаргаж, долоо хоногийн дараа дууссан дижитал төслөө авлаа. Үнэн хэрэгтээ өндөр мэргэшсэн LSI нь бараг нэг удаагийн бүтээгдэхүүн юм. Эдгээр нь сая саяараа шаардагдах нь ховор бөгөөд хэрэв та үүнийг аль болох богино хугацаанд хийх шаардлагатай бол та хүссэн хэмжээгээрээ мөнгө, хүний нөөцийг зарцуулж болно. Мэргэшсэн ASIC-ууд, тиймээс тэдний даалгаврыг шийдвэрлэхэд хамгийн үр дүнтэй нь машин сургалтын хөгжлийн өнөөгийн шатанд маш их хамааралтай болж байгаа нь хямд байх ёстой. Энэ тал дээр компьютерийн зах зээл дээр хуримтлагдсан ачаа тээш, ялангуяа машин сургалтын (ML) салбарт GPU-ийн ололт амжилтаас зайлсхийх боломжгүй болсон.
ML даалгаварт зориулсан ASIC-ийн дизайныг хурдасгахын тулд DARPA шинэ программыг бий болгож байна - Real Time Machine Learning (RTML). Бодит цагийн машин сургалтын хөтөлбөр нь тодорхой ML хүрээний хувьд чипийн архитектурыг автоматаар боловсруулж чадах хөрвүүлэгч эсвэл програм хангамжийн платформыг хөгжүүлэх явдал юм. Платформ нь санал болгож буй машин сургалтын алгоритм болон энэхүү алгоритмыг сургах өгөгдлийн багцад автоматаар дүн шинжилгээ хийх ёстой бөгөөд үүний дараа тусгай ASIC үүсгэхийн тулд Verilog дээр код гаргах ёстой. ML алгоритм хөгжүүлэгчид чип зохион бүтээгчдийн мэдлэггүй бөгөөд дизайнерууд машин сургалтын зарчмуудыг мэддэггүй. RTML програм нь хоёулангийнх нь давуу талыг машин сургалтын автоматжуулсан ASIC хөгжүүлэлтийн платформд нэгтгэхэд туслах ёстой.
RTML программын ашиглалтын хугацаанд олсон шийдлүүдийг 5G сүлжээ болон дүрс боловсруулах гэсэн хоёр үндсэн хэрэглээний талбарт турших шаардлагатай болно. Мөн RTML програм болон ML хурдасгуурыг автоматаар зохион бүтээхэд зориулагдсан програм хангамжийн платформуудыг шинэ ML алгоритм, өгөгдлийн багц боловсруулж, туршихад ашиглана. Тиймээс цахиурыг зохион бүтээхээс өмнө шинэ хүрээний хэтийн төлөвийг үнэлэх боломжтой болно. DARPA-ийн RTML хөтөлбөрийн түнш нь Үндэсний Шинжлэх Ухааны Сан (NSF) байх бөгөөд энэ нь машин сургалтын асуудал, ML алгоритм боловсруулахад мөн оролцдог. Боловсруулсан хөрвүүлэгчийг NSF руу шилжүүлэх бөгөөд буцаж DARPA нь хөрвүүлэгч болон ML алгоритмуудыг боловсруулах платформыг хүлээн авахаар төлөвлөж байна. Ирээдүйд техник хангамжийн дизайн, алгоритмыг бий болгох нь нэгдсэн шийдэл болж, бодит цаг хугацаанд өөрөө суралцдаг машины систем бий болно.
Эх сурвалж: 3dnews.ru