Mało kto będzie się spierał z tym, że projektowanie niestandardowych układów scalonych (ASIC) to proces daleki od bycia prostym i szybkim. Chciałoby się, aby było szybciej: dzisiaj wydano algorytm, a za tydzień odebrano gotowy projekt cyfrowy. Chodzi o to, że wysoce wyspecjalizowane ASIC to niemalże produkt na miarę. Takie rzadko są potrzebne w milionowych partiach, na które można by wydać nieograniczone środki finansowe i zasoby ludzkie, jeśli trzeba to wykonać w jak najkrótszym czasie. Specjalizowane, a zatem najbardziej efektywne dla rozwiązywania swoich zadań ASIC powinny być tańsze w opracowaniu, co staje się niezwykle istotne na obecnym etapie rozwoju uczenia maszynowego. Na tym polu nie wystarczy bagaz zdobyty przez rynek komputerowy i zwłaszcza przełomy GPU w kierunku uczenia maszynowego (ML).
Aby przyspieszyć projektowanie ASIC do zadań ML, agencja DARPA uruchamia nowy program - Real Time Machine Learning (RTML). Program uczenia maszynowego w czasie rzeczywistym zakłada opracowanie kompilatora lub platformy programowej, która mogłaby automatycznie projektować architekturę chipu dla konkretnego frameworka ML. Platforma ma automatycznie analizować proponowany algorytm uczenia maszynowego oraz zestaw danych do nauki tego algorytmu, po czym w języku Verilog powinna wydać kod do stworzenia wyspecjalizowanego ASIC. Specjaliści ds. rozwoju algorytmów ML nie posiadają wiedzy projektantów chipów, a projektanci rzadko znają zasady uczenia maszynowego. Program RTML ma na celu połączenie zalet jednych i drugich w zautomatyzowanej platformie do opracowywania ASIC dla uczenia maszynowego.
W trakcie cyklu życia programu RTML znalezione rozwiązania będą musiały być testowane w dwóch głównych obszarach zastosowania: pracach w sieciach 5G oraz przetwarzaniu obrazów. Program RTML oraz stworzone platformy programowe do automatycznego projektowania akceleratorów ML będą wykorzystywane do opracowywania i testowania nowych algorytmów ML oraz zbiorów danych. Dzięki temu jeszcze przed projektowaniem „krzemu” będzie można ocenić perspektywy nowych frameworków. Partnerem DARPA w programie RTML będzie Krajowy Fundusz Nauki (NSF), który również zajmuje się problemami uczenia maszynowego oraz opracowaniem algorytmów ML. Opracowany kompilator zostanie przekazany do NSF, a DARPA oczekuje odzyskania kompilatora oraz platformy do projektowania algorytmów ML. W przyszłości projektowanie sprzętu oraz tworzenie algorytmów będą kompleksowym rozwiązaniem, co doprowadzi do powstania samouczących się w czasie rzeczywistym systemów maszynowych.
Źródło: 3dnews.ru
