Det är osannolikt att någon kommer att argumentera med det faktum att design av anpassade LSI:er (ASIC) är långt ifrån en enkel och snabb process. Men jag vill och behöver att det ska gå snabbare: idag utfärdade jag en algoritm, och en vecka senare tog jag bort det färdiga digitala projektet. Faktum är att högspecialiserade LSI:er nästan är en engångsprodukt. Dessa behövs sällan i omgångar av miljoner, på vars utveckling du kan spendera så mycket pengar och mänskliga resurser som du vill, om detta behöver göras på kortast möjliga tid. Specialiserade ASIC:er, och därför de mest effektiva för att lösa sina uppgifter, borde vara billigare att utveckla, vilket blir megarelevant i det nuvarande utvecklingsstadiet av maskininlärning. På den här fronten kan det bagage som samlats på datormarknaden och särskilt GPU-genombrott inom området för maskininlärning (ML) inte längre undvikas.
För att påskynda designen av ASIC:er för ML-uppgifter, etablerar DARPA ett nytt program - Real Time Machine Learning (RTML). Programmet för maskininlärning i realtid innebär att man utvecklar en kompilator eller mjukvaruplattform som automatiskt kan designa en chiparkitektur för ett specifikt ML-ramverk. Plattformen bör automatiskt analysera den föreslagna maskininlärningsalgoritmen och datamängden för att träna denna algoritm, varefter den ska producera kod i Verilog för att skapa en specialiserad ASIC. Utvecklare av ML-algoritmer har inte kunskapen om chipdesigners, och designers är sällan bekanta med maskininlärningsprinciper. RTML-programmet ska hjälpa till att säkerställa att fördelarna med båda kombineras i en automatiserad ASIC-utvecklingsplattform för maskininlärning.
Under RTML-programmets livscykel kommer de lösningar som hittas att behöva testas i två huvudsakliga applikationsområden: 5G-nätverk och bildbehandling. Dessutom kommer RTML-programmet och de skapade mjukvaruplattformarna för automatisk design av ML-acceleratorer att användas för att utveckla och testa nya ML-algoritmer och datauppsättningar. Redan innan kislet utformas kommer det alltså att vara möjligt att bedöma utsikterna för nya ramverk. DARPAs partner i RTML-programmet kommer att vara National Science Foundation (NSF), som också är involverad i maskininlärningsproblem och utveckling av ML-algoritmer. Den utvecklade kompilatorn kommer att överföras till NSF, och tillbaka förväntar sig DARPA att få en kompilator och plattform för att designa ML-algoritmer. I framtiden kommer hårdvarudesign och skapande av algoritmer att bli en integrerad lösning, vilket kommer att leda till framväxten av maskinsystem som är självlärande i realtid.
Källa: 3dnews.ru