Мало је вероватно да ће се неко расправљати са чињеницом да је дизајнирање прилагођених ЛСИ (АСИЦ) далеко од једноставног и брзог процеса. Али желим и морам да буде брже: данас сам издао алгоритам, а недељу дана касније одузео сам готов дигитални пројекат. Чињеница је да су високо специјализовани ЛСИ скоро једнократни производ. Они су ретко потребни у милионским серијама, на чији развој можете потрошити колико год новца и људских ресурса желите, ако то треба да се уради у најкраћем могућем року. Специјализовани АСИЦ-и, а самим тим и најефикаснији за решавање својих задатака, требало би да буду јефтинији за развој, што постаје мегарелевантно у садашњој фази развоја машинског учења. На овом фронту, пртљаг акумулиран на тржишту рачунара и, посебно, пробој ГПУ-а у области машинског учења (МЛ) се више не може избећи.
Да би убрзао дизајн АСИЦ-а за МЛ задатке, ДАРПА успоставља нови програм - Реал Тиме Мацхине Леарнинг (РТМЛ). Програм машинског учења у реалном времену укључује развој компајлера или софтверске платформе која може аутоматски да дизајнира архитектуру чипа за одређени оквир МЛ. Платформа треба аутоматски да анализира предложени алгоритам машинског учења и скуп података за обуку овог алгоритма, након чега треба да произведе код у Верилог-у за креирање специјализованог АСИЦ-а. Програмери МЛ алгоритама немају знања о дизајнерима чипова, а дизајнери су ретко упознати са принципима машинског учења. РТМЛ програм треба да помогне да се обезбеде комбиновање предности оба у аутоматизованој АСИЦ развојној платформи за машинско учење.
Током животног циклуса РТМЛ програма, пронађена решења ће морати да се тестирају у две главне области примене: 5Г мреже и обрада слика. Такође, РТМЛ програм и креиране софтверске платформе за аутоматско пројектовање МЛ акцелератора биће коришћене за развој и тестирање нових МЛ алгоритама и скупова података. Тако ће, чак и пре пројектовања силицијума, бити могуће проценити изгледе нових оквира. ДАРПА-ин партнер у РТМЛ програму биће Национална научна фондација (НСФ), која се такође бави проблемима машинског учења и развојем алгоритама МЛ. Развијени преводилац ће бити пребачен у НСФ, а ДАРПА очекује да добије компајлер и платформу за пројектовање МЛ алгоритама. У будућности ће пројектовање хардвера и креирање алгоритама постати интегрисано решење, што ће довести до појаве машинских система који се самоуче у реалном времену.
Извор: 3дневс.ру