Malo verjetno je, da bo kdo oporekal dejstvu, da oblikovanje prilagojenih LSI (ASIC) še zdaleč ni preprost in hiter postopek. Toda želim in potrebujem, da je hitrejši: danes sem izdal algoritem in teden dni kasneje sem odnesel dokončan digitalni projekt. Dejstvo je, da so visoko specializirani LSI skoraj enkraten izdelek. Ti so redko potrebni v milijonskih serijah, za razvoj katerih lahko porabite kolikor želite denarja in človeških virov, če je to treba storiti v najkrajšem možnem času. Specializirani ASIC-ji in zato najučinkovitejši za reševanje svojih nalog bi morali biti cenejši za razvoj, kar na sedanji stopnji razvoja strojnega učenja postaja mega relevantno. Na tej fronti se prtljagi, ki jo je nakopičil računalniški trg in zlasti preboj GPE na področju strojnega učenja (ML), ni več mogoče izogniti.
Da bi pospešili oblikovanje ASIC-jev za naloge ML, DARPA vzpostavlja nov program - Real Time Machine Learning (RTML). Program strojnega učenja v realnem času vključuje razvoj prevajalnika ali programske platforme, ki bi lahko samodejno oblikovala arhitekturo čipa za določen okvir ML. Platforma bi morala samodejno analizirati predlagani algoritem strojnega učenja in nabor podatkov za usposabljanje tega algoritma, nato pa bi morala izdelati kodo v Verilogu za ustvarjanje specializiranega ASIC. Razvijalci algoritmov ML nimajo znanja oblikovalcev čipov in oblikovalci so redko seznanjeni z načeli strojnega učenja. Program RTML naj bi pomagal zagotoviti, da so prednosti obeh združene v avtomatizirani razvojni platformi ASIC za strojno učenje.
Med življenjskim ciklom programa RTML bo treba najdene rešitve preizkusiti na dveh glavnih področjih uporabe: omrežjih 5G in obdelavi slik. Prav tako bodo program RTML in izdelane programske platforme za samodejno načrtovanje ML pospeševalnikov uporabljali za razvoj in testiranje novih ML algoritmov in podatkovnih nizov. Tako bo še pred načrtovanjem silicija mogoče oceniti možnosti novih ogrodij. Partner DARPA v programu RTML bo Nacionalna znanstvena fundacija (NSF), ki se prav tako ukvarja s problemi strojnega učenja in razvojem algoritmov ML. Razviti prevajalnik bo prenesen v NSF, nazaj pa DARPA pričakuje, da bo prejela prevajalnik in platformo za oblikovanje algoritmov ML. Načrtovanje strojne opreme in izdelava algoritmov bosta v prihodnosti postala celostna rešitev, kar bo vodilo v nastanek strojnih sistemov, ki se v realnem času sami uče.
Vir: 3dnews.ru