Özel LSI'leri (ASIC'ler) tasarlamanın basit ve hızlı bir süreçten uzak olduğu gerçeğini kimsenin tartışması pek olası değildir. Ancak daha hızlı olmasını istiyorum ve buna ihtiyacım var: bugün bir algoritma yayınladım ve bir hafta sonra bitmiş dijital projeyi elinden aldım. Gerçek şu ki, son derece uzmanlaşmış LSI'lar neredeyse tek seferlik bir üründür. Milyonlarca gruplar halinde bunlara nadiren ihtiyaç duyulur ve bunların geliştirilmesi için mümkün olan en kısa sürede yapılması gerekiyorsa, istediğiniz kadar para ve insan kaynağı harcayabilirsiniz. Uzmanlaşmış ASIC'lerin ve dolayısıyla görevlerini çözmek için en etkili olanların geliştirilmesi daha ucuz olmalıdır, bu da makine öğreniminin gelişiminin şu anki aşamasında çok önemli hale geliyor. Bu cephede, bilgisayar pazarının biriktirdiği yüklerin ve özellikle makine öğrenimi (ML) alanındaki GPU atılımlarının artık önüne geçilemez.
ML görevleri için ASIC'lerin tasarımını hızlandırmak amacıyla DARPA yeni bir program oluşturuyor: Gerçek Zamanlı Makine Öğrenimi (RTML). Gerçek zamanlı makine öğrenimi programı, belirli bir makine öğrenimi çerçevesi için otomatik olarak bir çip mimarisi tasarlayabilen bir derleyici veya yazılım platformu geliştirmeyi içerir. Platform, önerilen makine öğrenimi algoritmasını ve bu algoritmanın eğitimi için veri setini otomatik olarak analiz etmeli, ardından özel bir ASIC oluşturmak için Verilog'da kod üretmelidir. ML algoritma geliştiricileri çip tasarımcılarının bilgisine sahip değildir ve tasarımcılar makine öğrenimi ilkelerine nadiren aşinadır. RTML programı, her ikisinin de avantajlarının, makine öğrenimi için otomatikleştirilmiş bir ASIC geliştirme platformunda birleştirilmesini sağlamaya yardımcı olmalıdır.
RTML programının yaşam döngüsü boyunca bulunan çözümlerin iki ana uygulama alanında test edilmesi gerekecek: 5G ağları ve görüntü işleme. Ayrıca, RTML programı ve ML hızlandırıcıların otomatik tasarımı için oluşturulan yazılım platformları, yeni ML algoritmaları ve veri kümelerinin geliştirilmesi ve test edilmesi için kullanılacaktır. Böylece silikonu tasarlamadan önce bile yeni çerçevelerin geleceğini değerlendirmek mümkün olacak. DARPA'nın RTML programındaki ortağı, makine öğrenimi sorunları ve makine öğrenimi algoritmalarının geliştirilmesiyle de ilgilenen Ulusal Bilim Vakfı (NSF) olacak. Geliştirilen derleyici NSF'ye aktarılacak ve DARPA, makine öğrenimi algoritmalarını tasarlamak için bir derleyici ve platform almayı bekliyor. Gelecekte donanım tasarımı ve algoritmaların oluşturulması entegre bir çözüm haline gelecek ve bu da gerçek zamanlı olarak kendi kendine öğrenen makine sistemlerinin ortaya çıkmasına yol açacaktır.
Kaynak: 3dnews.ru