Het is onwaarschijnlijk dat iemand zal betwisten dat het ontwerpen van op maat gemaakte LSI's (ASIC's) verre van een eenvoudig en snel proces is. Maar ik wil en heb het nodig dat het sneller gaat: vandaag heb ik een algoritme uitgegeven en een week later heb ik het voltooide digitale project weggenomen. Feit is dat zeer gespecialiseerde LSI's bijna een eenmalig product zijn. Deze zijn zelden in hoeveelheden van miljoenen nodig, en aan de ontwikkeling daarvan kunt u zoveel geld en menselijke hulpbronnen besteden als u wilt, als dit in de kortst mogelijke tijd moet gebeuren. Gespecialiseerde ASIC's, en daarom het meest effectief voor het oplossen van hun taken, zouden goedkoper moeten zijn om te ontwikkelen, wat megarelevant wordt in de huidige ontwikkelingsfase van machinaal leren. Op dit front kan de bagage die de computermarkt heeft opgebouwd en vooral de GPU-doorbraken op het gebied van machine learning (ML) niet langer worden vermeden.
Om het ontwerp van ASIC's voor ML-taken te versnellen, zet DARPA een nieuw programma op: Real Time Machine Learning (RTML). Het real-time machine learning-programma omvat de ontwikkeling van een compiler of softwareplatform dat automatisch een chiparchitectuur voor een specifiek ML-framework kan ontwerpen. Het platform moet automatisch het voorgestelde machine learning-algoritme en de dataset voor het trainen van dit algoritme analyseren, waarna het code in Verilog moet produceren om een gespecialiseerde ASIC te creëren. Ontwikkelaars van ML-algoritmen hebben niet de kennis van chipontwerpers, en ontwerpers zijn zelden bekend met de principes van machine learning. Het RTML-programma moet ervoor zorgen dat de voordelen van beide worden gecombineerd in een geautomatiseerd ASIC-ontwikkelplatform voor machinaal leren.
Tijdens de levenscyclus van het RTML-programma zullen de gevonden oplossingen moeten worden getest in twee belangrijke toepassingsgebieden: 5G-netwerken en beeldverwerking. Ook zullen het RTML-programma en de gecreëerde softwareplatforms voor het automatisch ontwerpen van ML-versnellers worden gebruikt om nieuwe ML-algoritmen en datasets te ontwikkelen en te testen. Dus zelfs voordat het silicium wordt ontworpen, zal het mogelijk zijn om de vooruitzichten van nieuwe raamwerken te beoordelen. DARPA's partner in het RTML-programma wordt de National Science Foundation (NSF), die zich ook bezighoudt met machine learning-problemen en de ontwikkeling van ML-algoritmen. De ontwikkelde compiler zal worden overgedragen aan NSF, en terug verwacht DARPA een compiler en platform te ontvangen voor het ontwerpen van ML-algoritmen. In de toekomst zullen hardwareontwerp en de creatie van algoritmen een geïntegreerde oplossing worden, wat zal leiden tot de opkomst van machinesystemen die in realtime zelflerend zijn.
Bron: 3dnews.ru