ไม่น่าจะมีใครโต้แย้งกับความจริงที่ว่าการออกแบบ LSI (ASIC) แบบกำหนดเองนั้นยังห่างไกลจากกระบวนการที่ง่ายและรวดเร็ว แต่ฉันต้องการและต้องการให้มันเร็วขึ้น วันนี้ฉันออกอัลกอริทึม และอีกหนึ่งสัปดาห์ต่อมา ฉันก็เอาโครงการดิจิทัลที่เสร็จแล้วออกไป ความจริงก็คือ LSI ที่มีความเชี่ยวชาญสูงแทบจะเป็นผลิตภัณฑ์ที่ผลิตเพียงครั้งเดียว สิ่งเหล่านี้ไม่ค่อยจำเป็นสำหรับหลายล้านชุดในการพัฒนาซึ่งคุณสามารถใช้เงินและทรัพยากรมนุษย์ได้มากเท่าที่คุณต้องการ หากจำเป็นต้องทำให้เสร็จในเวลาที่สั้นที่สุด ASIC เฉพาะทางและมีประสิทธิภาพมากที่สุดในการแก้ปัญหาควรมีต้นทุนในการพัฒนาที่ถูกกว่า ซึ่งกำลังมีความสำคัญอย่างมากในขั้นตอนการพัฒนาการเรียนรู้ของเครื่องในปัจจุบัน ในส่วนนี้ ภาระที่สะสมโดยตลาดคอมพิวเตอร์ และโดยเฉพาะอย่างยิ่ง ความก้าวหน้าของ GPU ในด้านการเรียนรู้ของเครื่อง (ML) ไม่สามารถหลีกเลี่ยงได้อีกต่อไป
เพื่อเร่งการออกแบบ ASIC สำหรับงาน ML DARPA กำลังสร้างโปรแกรมใหม่ - Real Time Machine Learning (RTML) โปรแกรมการเรียนรู้ของเครื่องแบบเรียลไทม์เกี่ยวข้องกับการพัฒนาคอมไพเลอร์หรือแพลตฟอร์มซอฟต์แวร์ที่สามารถออกแบบสถาปัตยกรรมชิปสำหรับเฟรมเวิร์ก ML ที่เฉพาะเจาะจงได้โดยอัตโนมัติ แพลตฟอร์มควรวิเคราะห์อัลกอริทึมการเรียนรู้ของเครื่องที่นำเสนอโดยอัตโนมัติและชุดข้อมูลสำหรับการฝึกอบรมอัลกอริทึมนี้ หลังจากนั้นควรสร้างโค้ดใน Verilog เพื่อสร้าง ASIC เฉพาะทาง นักพัฒนาอัลกอริทึม ML ไม่มีความรู้เกี่ยวกับนักออกแบบชิป และผู้ออกแบบไม่ค่อยคุ้นเคยกับหลักการเรียนรู้ของเครื่อง โปรแกรม RTML ควรช่วยให้แน่ใจว่าข้อดีของทั้งสองอย่างรวมอยู่ในแพลตฟอร์มการพัฒนา ASIC แบบอัตโนมัติสำหรับการเรียนรู้ของเครื่อง
ในช่วงวงจรชีวิตของโปรแกรม RTML โซลูชันที่พบจะต้องได้รับการทดสอบในสองด้านการใช้งานหลัก ได้แก่ เครือข่าย 5G และการประมวลผลภาพ นอกจากนี้ โปรแกรม RTML และแพลตฟอร์มซอฟต์แวร์ที่สร้างขึ้นสำหรับการออกแบบตัวเร่งความเร็ว ML อัตโนมัติจะถูกนำมาใช้เพื่อพัฒนาและทดสอบอัลกอริธึมและชุดข้อมูล ML ใหม่ ดังนั้น ก่อนที่จะออกแบบซิลิคอน จะสามารถประเมินโอกาสของกรอบงานใหม่ได้ พันธมิตรของ DARPA ในโครงการ RTML คือมูลนิธิวิทยาศาสตร์แห่งชาติ (NSF) ซึ่งเกี่ยวข้องกับปัญหาการเรียนรู้ของเครื่องและการพัฒนาอัลกอริทึม ML คอมไพเลอร์ที่พัฒนาแล้วจะถูกโอนไปยัง NSF และ DARPA ด้านหลังคาดว่าจะได้รับคอมไพเลอร์และแพลตฟอร์มสำหรับการออกแบบอัลกอริทึม ML ในอนาคต การออกแบบฮาร์ดแวร์และการสร้างอัลกอริธึมจะกลายเป็นโซลูชั่นแบบครบวงจร ซึ่งจะนำไปสู่การเกิดขึ้นของระบบเครื่องจักรที่เรียนรู้ด้วยตนเองแบบเรียลไทม์
ที่มา: 3dnews.ru