Khó có ai có thể tranh cãi với thực tế rằng việc thiết kế LSI tùy chỉnh (ASIC) không phải là một quy trình đơn giản và nhanh chóng. Nhưng tôi muốn và cần nó nhanh hơn: hôm nay tôi đưa ra một thuật toán và một tuần sau tôi lấy đi dự án kỹ thuật số đã hoàn thành. Thực tế là LSI có tính chuyên môn cao gần như là sản phẩm chỉ dùng một lần. Những thứ này hiếm khi cần với số lượng hàng triệu, để phát triển chúng, bạn có thể chi bao nhiêu tiền và nhân lực tùy thích, nếu việc này cần được thực hiện trong thời gian ngắn nhất. Các ASIC chuyên dụng, và do đó là loại ASIC hiệu quả nhất để giải quyết các nhiệm vụ của chúng, sẽ có chi phí phát triển rẻ hơn, điều này đang trở nên cực kỳ phù hợp ở giai đoạn phát triển của học máy hiện nay. Về mặt này, không thể tránh khỏi những gánh nặng mà thị trường máy tính đã tích lũy và đặc biệt là những đột phá về GPU trong lĩnh vực học máy (ML).
Để tăng tốc độ thiết kế ASIC cho các tác vụ ML, DARPA đang thiết lập một chương trình mới - Học máy theo thời gian thực (RTML). Chương trình học máy thời gian thực bao gồm việc phát triển một trình biên dịch hoặc nền tảng phần mềm có thể tự động thiết kế kiến trúc chip cho một khung ML cụ thể. Nền tảng sẽ tự động phân tích thuật toán học máy được đề xuất và tập dữ liệu để huấn luyện thuật toán này, sau đó nó sẽ tạo mã trong Verilog để tạo ra một ASIC chuyên dụng. Các nhà phát triển thuật toán ML không có kiến thức về các nhà thiết kế chip và các nhà thiết kế hiếm khi quen thuộc với các nguyên tắc học máy. Chương trình RTML sẽ giúp đảm bảo rằng các ưu điểm của cả hai đều được kết hợp trong nền tảng phát triển ASIC tự động cho máy học.
Trong vòng đời của chương trình RTML, các giải pháp tìm thấy sẽ cần được thử nghiệm trong hai lĩnh vực ứng dụng chính: mạng 5G và xử lý hình ảnh. Ngoài ra, chương trình RTML và các nền tảng phần mềm được tạo để thiết kế tự động các bộ tăng tốc ML sẽ được sử dụng để phát triển và thử nghiệm các thuật toán và bộ dữ liệu ML mới. Do đó, ngay cả trước khi thiết kế silicon, vẫn có thể đánh giá triển vọng của các khung mới. Đối tác của DARPA trong chương trình RTML sẽ là Quỹ khoa học quốc gia (NSF), tổ chức này cũng liên quan đến các vấn đề về học máy và phát triển thuật toán ML. Trình biên dịch đã phát triển sẽ được chuyển sang NSF và ngược lại DARPA dự kiến sẽ nhận được trình biên dịch và nền tảng để thiết kế các thuật toán ML. Trong tương lai, thiết kế phần cứng và tạo ra các thuật toán sẽ trở thành một giải pháp tích hợp, dẫn đến sự xuất hiện của các hệ thống máy có khả năng tự học trong thời gian thực.
Nguồn: 3dnews.ru