Вряд ли кто-то будет спорить с тем, что проектирование заказных БИС (ASIC) ― это далеко не простой и не быстрый процесс. А ведь хочется и нужно, чтобы было быстрее: сегодня выдал алгоритм, а через неделю забрал готовый цифровой проект. Дело ведь в том, что сверхспециализированные БИС ― это едва ли не штучный продукт. Такие редко нужны миллионными партиями, на разработку которых можно потратить сколько угодно денег и людских ресурсов, если это надо сделать в кратчайшие сроки. Специализированные, а от этого наиболее эффективные для решения своих задач ASIC должны обходиться в разработке дешевле, что становится мегаактуальным на современном этапе становления машинного обучения. На этом фронте уже не обойтись багажом, накопленным компьютерным рынком и, особенно, прорывами GPU на направлении машинного обучения (ML).
Для ускорения проектирования ASIC для задач ML агентство DARPA учреждает новую программу ― Real Time Machine Learning (RTML). Программа по машинному обучению в реальном времени предусматривает разработку компилятора или программной платформы, которые бы могли автоматически проектировать архитектуру чипа для конкретного ML-фрейморка. Платформа должна автоматически анализировать предложенный алгоритм для машинного обучения и набор данных для обучения этому алгоритму, после чего на языке Verilog она должна будет выдать код для создания специализированной ASIC. Специалисты по разработке алгоритмов ML не обладают знаниями проектировщиков чипов, а проектировщики редко знакомы с принципами машинного обучения. Программа RTML должна поспособствовать, чтобы преимущества одних и других были объединены в автоматизированной платформе по разработке ASIC для машинного обучения.
В течение жизненного цикла работы программы RTML найденные решения должны будут проверяться в двух главных областях применения: работа в сетях 5G и обработка изображений. Также программа RTML и созданные программные платформы для автоматического проектирования ускорителей ML будут использоваться для разработки и испытания новых алгоритмов ML и наборов данных. Тем самым ещё до проектирования «кремния» можно будет оценить перспективы новых фреймворков. Партнёром DARPA по программе RTML выступит Национальный научный фонд (NSF), который также занимается проблемами машинного обучения и разработкой алгоритмов ML. Разработанный компилятор будет передан в NSF, а обратно DARPA рассчитывает получить компилятор и платформу по проектированию алгоритмов ML. В дальнейшем аппаратное проектирование и создание алгоритмов будут иди комплексным решением, что приведёт к появлению самообучающихся в реальном времени машинных систем.