Je nepravdepodobné, že niekto bude argumentovať skutočnosťou, že navrhovanie vlastných LSI (ASIC) nie je ani zďaleka jednoduchý a rýchly proces. Ale chcem a potrebujem, aby to bolo rýchlejšie: dnes som vydal algoritmus ao týždeň neskôr som si odniesol hotový digitálny projekt. Faktom je, že vysoko špecializované LSI sú takmer jednorazovým produktom. Tie sú len zriedka potrebné v miliónových dávkach, na vývoj ktorých môžete minúť toľko peňazí a ľudských zdrojov, koľko chcete, ak je to potrebné urobiť v čo najkratšom čase. Špecializované ASIC, a teda najefektívnejšie na riešenie ich úloh, by mali byť lacnejšie na vývoj, čo sa v súčasnej fáze vývoja strojového učenia stáva mega-relevantným. V tomto smere sa už nedá vyhnúť záťaži nahromadenej na trhu s počítačmi a najmä objavom GPU v oblasti strojového učenia (ML).
Aby sa urýchlil návrh ASIC pre úlohy ML, DARPA zavádza nový program - Real Time Machine Learning (RTML). Program strojového učenia v reálnom čase zahŕňa vývoj kompilátora alebo softvérovej platformy, ktorá by mohla automaticky navrhnúť architektúru čipu pre konkrétny rámec ML. Platforma by mala automaticky analyzovať navrhovaný algoritmus strojového učenia a súbor údajov na trénovanie tohto algoritmu, po ktorom by mala vytvoriť kód vo Verilog na vytvorenie špecializovaného ASIC. Vývojári algoritmov ML nemajú znalosti dizajnérov čipov a dizajnéri sú len zriedka oboznámení s princípmi strojového učenia. Program RTML by mal pomôcť zabezpečiť, aby sa výhody oboch spojili v automatizovanej vývojovej platforme ASIC pre strojové učenie.
Počas životného cyklu programu RTML bude potrebné otestovať nájdené riešenia v dvoch hlavných aplikačných oblastiach: siete 5G a spracovanie obrazu. Taktiež program RTML a vytvorené softvérové platformy pre automatický návrh ML akcelerátorov budú použité na vývoj a testovanie nových ML algoritmov a datasetov. Takže ešte pred navrhnutím kremíka bude možné posúdiť vyhliadky nových rámcov. Partnerom DARPA v programe RTML bude Národná vedecká nadácia (NSF), ktorá sa tiež zaoberá problémami strojového učenia a vývojom algoritmov ML. Vyvinutý kompilátor bude prenesený do NSF a DARPA očakáva, že dostane kompilátor a platformu na navrhovanie ML algoritmov. V budúcnosti sa hardvérový dizajn a tvorba algoritmov stane integrovaným riešením, ktoré povedie k vzniku strojových systémov, ktoré sa samy učia v reálnom čase.
Zdroj: 3dnews.ru