අභිරුචි LSI (ASICs) සැලසුම් කිරීම සරල හා වේගවත් ක්‍රියාවලියකින් බොහෝ දුරස් බව කිසිවෙකු තර්ක කරනු ඇතැයි සිතිය නොහැක. නමුත් මට එය වේගවත් වීමට අවශ්‍ය සහ අවශ්‍යයි: අද මම ඇල්ගොරිතමයක් නිකුත් කළ අතර සතියකට පසු මම නිමි ඩිජිටල් ව්‍යාපෘතිය ඉවත් කළෙමි. කාරණය නම් ඉතා විශේෂිත LSIs පාහේ තනි නිෂ්පාදනයක් වීමයි. මිලියන ගණනක කණ්ඩායම් වශයෙන් මේවා අවශ්‍ය වන්නේ කලාතුරකිනි, මෙය කෙටිම කාලය තුළ සිදු කිරීමට අවශ්‍ය නම්, ඔබට කැමති තරම් මුදල් සහ මානව සම්පත් වියදම් කළ හැකි සංවර්ධනය සඳහා. විශේෂිත ASICs, සහ එබැවින් ඔවුන්ගේ කාර්යයන් විසඳීම සඳහා වඩාත් ඵලදායී, සංවර්ධනය කිරීමට වඩා ලාභදායී විය යුතුය, එය යන්ත්ර ඉගෙනීමේ වර්තමාන සංවර්ධන අවධියේදී මෙගා-අදාළ වෙමින් පවතී. මෙම පෙරමුණේදී, පරිගණක වෙළඳපොල විසින් රැස්කර ඇති ගමන් මලු සහ, විශේෂයෙන්ම, යන්ත්ර ඉගෙනීමේ (ML) ක්ෂේත්‍රයේ GPU ඉදිරි ගමන තවදුරටත් වළක්වා ගත නොහැක.
ML කාර්යයන් සඳහා ASICs සැලසුම් කිරීම වේගවත් කිරීම සඳහා, DARPA නව වැඩසටහනක් ස්ථාපිත කරයි - Real Time Machine Learning (RTML). තත්‍ය කාලීන යන්ත්ර ඉගෙනුම් වැඩසටහනට නිශ්චිත ML රාමුවක් සඳහා චිප් ගෘහ නිර්මාණ ශිල්පයක් ස්වයංක්‍රීයව සැලසුම් කළ හැකි සම්පාදකයක් හෝ මෘදුකාංග වේදිකාවක් සංවර්ධනය කිරීම ඇතුළත් වේ. වේදිකාව විසින් යෝජිත යන්ත්ර ඉගෙනුම් ඇල්ගොරිතම සහ මෙම ඇල්ගොරිතම පුහුණු කිරීම සඳහා දත්ත කට්ටලය ස්වයංක්‍රීයව විශ්ලේෂණය කළ යුතු අතර, ඉන් පසුව විශේෂිත ASIC නිර්මාණය කිරීම සඳහා එය Verilog හි කේතයක් නිපදවිය යුතුය. ML ඇල්ගොරිතම සංවර්ධකයින්ට චිප් නිර්මාණකරුවන් පිළිබඳ දැනුමක් නොමැති අතර නිර්මාණකරුවන් යන්ත්ර ඉගෙනීමේ මූලධර්ම ගැන හුරුපුරුදු වන්නේ කලාතුරකිනි. යන්ත්ර ඉගෙනීම සඳහා ස්වයංක්‍රීය ASIC සංවර්ධන වේදිකාවක් තුළ දෙකෙහිම වාසි ඒකාබද්ධ වී ඇති බව සහතික කිරීමට RTML වැඩසටහන උපකාර විය යුතුය.
RTML වැඩසටහනේ ජීවන චක්‍රය තුළ, සොයාගත් විසඳුම් ප්‍රධාන යෙදුම් ක්ෂේත්‍ර දෙකකින් පරීක්ෂා කිරීමට අවශ්‍ය වනු ඇත: 5G ජාල සහ රූප සැකසීම. එසේම, RTML වැඩසටහන සහ ML ත්වරණකාරක ස්වයංක්‍රීයව නිර්මාණය කිරීම සඳහා නිර්මාණය කරන ලද මෘදුකාංග වේදිකාවන් නව ML ඇල්ගොරිතම සහ දත්ත කට්ටල සංවර්ධනය කිරීමට සහ පරීක්ෂා කිරීමට භාවිතා කරනු ඇත. මේ අනුව, සිලිකන් නිර්මාණය කිරීමට පෙර පවා, නව රාමු වල අපේක්ෂාවන් තක්සේරු කිරීමට හැකි වනු ඇත. RTML වැඩසටහනේ DARPA හි හවුල්කරු ජාතික විද්‍යා පදනම (NSF) වනු ඇත, එය යන්ත්ර ඉගෙනීමේ ගැටළු සහ ML ඇල්ගොරිතම සංවර්ධනය කිරීම සඳහා ද සම්බන්ධ වේ. සංවර්ධිත සම්පාදකය NSF වෙත මාරු කරනු ලබන අතර, ML ඇල්ගොරිතම සැලසුම් කිරීම සඳහා සම්පාදකයක් සහ වේදිකාවක් ලබා ගැනීමට DARPA අපේක්ෂා කරයි. අනාගතයේ දී, දෘඪාංග නිර්මාණය සහ ඇල්ගොරිතම නිර්මාණය කිරීම ඒකාබද්ධ විසඳුමක් බවට පත් වනු ඇත, එය සැබෑ කාලය තුළ ස්වයං-ඉගෙන ගන්නා යන්ත්ර පද්ධති මතුවීමට තුඩු දෙනු ඇත.
මූලාශ්රය: 3dnews.ru