اس بات کا امکان نہیں ہے کہ کوئی بھی اس حقیقت سے بحث کرے گا کہ کسٹم LSIs (ASICs) کو ڈیزائن کرنا آسان اور تیز عمل سے بہت دور ہے۔ لیکن میں چاہتا ہوں اور اسے تیز تر کرنے کی ضرورت ہے: آج میں نے الگورتھم جاری کیا، اور ایک ہفتے بعد میں نے تیار ڈیجیٹل پروجیکٹ کو چھین لیا۔ حقیقت یہ ہے کہ انتہائی مہارت والے LSIs تقریباً ایک ہی مصنوعات ہیں۔ لاکھوں کی کھیپ میں ان کی شاذ و نادر ہی ضرورت ہوتی ہے، جن کی ترقی پر آپ اپنی مرضی کے مطابق رقم اور انسانی وسائل خرچ کر سکتے ہیں، اگر اسے کم سے کم وقت میں کرنے کی ضرورت ہو۔ اسپیشلائزڈ ASICs، اور اس لیے ان کے کاموں کو حل کرنے کے لیے سب سے زیادہ مؤثر، تیار کرنا سستا ہونا چاہیے، جو کہ مشین لرننگ کی ترقی کے موجودہ مرحلے میں بہت زیادہ اہمیت اختیار کر رہا ہے۔ اس محاذ پر، کمپیوٹر مارکیٹ کی طرف سے جمع کردہ سامان اور خاص طور پر، مشین لرننگ (ML) کے میدان میں GPU کی پیش رفت سے مزید گریز نہیں کیا جا سکتا۔
ML کاموں کے لیے ASICs کے ڈیزائن کو تیز کرنے کے لیے، DARPA ایک نیا پروگرام - ریئل ٹائم مشین لرننگ (RTML) قائم کر رہا ہے۔ ریئل ٹائم مشین لرننگ پروگرام میں ایک کمپائلر یا سافٹ ویئر پلیٹ فارم تیار کرنا شامل ہے جو خود بخود ایک مخصوص ML فریم ورک کے لیے ایک چپ فن تعمیر کو ڈیزائن کر سکتا ہے۔ پلیٹ فارم کو خود بخود مجوزہ مشین لرننگ الگورتھم اور اس الگورتھم کی تربیت کے لیے ڈیٹا سیٹ کا تجزیہ کرنا چاہیے، جس کے بعد اسے ایک خصوصی ASIC بنانے کے لیے Verilog میں کوڈ تیار کرنا چاہیے۔ ML الگورتھم ڈویلپرز کو چپ ڈیزائنرز کا علم نہیں ہے، اور ڈیزائنرز مشین سیکھنے کے اصولوں سے شاذ و نادر ہی واقف ہوتے ہیں۔ RTML پروگرام کو اس بات کو یقینی بنانے میں مدد کرنی چاہیے کہ مشین لرننگ کے لیے ایک خودکار ASIC ڈویلپمنٹ پلیٹ فارم میں دونوں کے فوائد کو یکجا کیا جائے۔
RTML پروگرام کے لائف سائیکل کے دوران، پائے جانے والے حل کو ایپلی کیشن کے دو اہم علاقوں میں جانچنے کی ضرورت ہوگی: 5G نیٹ ورکس اور امیج پروسیسنگ۔ نیز، RTML پروگرام اور ایم ایل ایکسلریٹر کے خودکار ڈیزائن کے لیے بنائے گئے سافٹ ویئر پلیٹ فارمز کو نئے ML الگورتھم اور ڈیٹا سیٹس کی تیاری اور جانچ کے لیے استعمال کیا جائے گا۔ اس طرح، سلیکون کو ڈیزائن کرنے سے پہلے بھی، نئے فریم ورک کے امکانات کا اندازہ لگانا ممکن ہو گا۔ RTML پروگرام میں DARPA کا پارٹنر نیشنل سائنس فاؤنڈیشن (NSF) ہوگا، جو مشین لرننگ کے مسائل اور ML الگورتھم کی ترقی میں بھی شامل ہے۔ تیار شدہ کمپائلر کو NSF میں منتقل کر دیا جائے گا، اور واپس DARPA کو ML الگورتھم ڈیزائن کرنے کے لیے ایک کمپائلر اور پلیٹ فارم ملنے کی توقع ہے۔ مستقبل میں، ہارڈویئر ڈیزائن اور الگورتھم کی تخلیق ایک مربوط حل بن جائے گا، جو مشینی نظاموں کے ظہور کا باعث بنے گا جو حقیقی وقت میں خود سیکھ رہے ہیں۔
ماخذ: 3dnews.ru