Verifikasi lanjutan:membuka pintu ke era baru chip AI

“Hai Siri, bagaimana ramalan cuaca hari ini?”

Karena kehidupan kita sehari-hari terus bergantung pada Siri dan asisten kecerdasan buatan (AI) lainnya untuk layanan yang nyaman seperti memutar lagu dan melacak jadwal rapat, bukan rahasia lagi bahwa mengamankan data pribadi menjadi semakin sulit. Dengan momentum AI yang tumbuh dan ancaman kehilangan data yang mengancam, semakin penting bagi desainer chip untuk memajukan AI dan teknik keamanan untuk memenuhi permintaan yang mendesak akan lebih banyak kecerdasan.

Namun di era serba pintar saat ini, aplikasi intensif komputasi yang menggabungkan teknik AI seperti deep learning (DL) dan machine learning (ML) memerlukan chip khusus mereka sendiri dengan desain menyeluruh untuk mendukung fungsi cerdas. Dari kendaraan otonom hingga komputasi kinerja tinggi (HPC), teknologi dasar yang mendorong beban kerja intensif ini bergantung pada arsitektur canggih yang berjalan dengan keseimbangan yang halus antara mengemas pukulan di departemen daya sambil juga disesuaikan untuk meningkatkan kemampuan pengambilan keputusan.

Karena semakin banyak perangkat pintar yang terhubung ke cloud, ada potensi AI yang lebih besar untuk berkembang secara eksponensial dan menciptakan berbagai peluang pasar. Namun, produsen chip harus mengingat bahwa bagian penting dari komputasi AI harus diselesaikan di dalam perangkat keras untuk meniru kondisi dunia nyata. Oleh karena itu, “chip AI” khusus tidak hanya lebih disukai, tetapi juga penting untuk mengintegrasikan AI dalam skala besar dengan cara yang hemat biaya.

Namun mengingat generasi chip untuk aplikasi AI/ML/DL saat ini berisi jalur data kompleks untuk secara akurat melakukan analisis aritmatika yang diperlukan, industri harus bersedia dan siap menerapkan metode verifikasi lanjutan untuk berkembang dan mendorong langkah AI selanjutnya.

Hampir semua orang mendesain chip

Bukan rahasia lagi di dunia desain chip bahwa dengan kejenuhan hukum Moore, semakin sulit untuk mencapai peningkatan kinerja yang diinginkan dari prosesor tujuan umum. Untuk mengurangi perlambatan ini, perusahaan di luar pemain semikonduktor tradisional menempatkan topi mereka di cincin desain chip.

Untuk menyebutkan beberapa dari perusahaan ini, pemain besar seperti Google, Amazon, dan Facebook sekarang banyak berinvestasi dalam pengembangan chip ASIC (sirkuit terintegrasi khusus aplikasi) kustom mereka sendiri untuk mendukung perangkat lunak AI unik mereka dan memenuhi aplikasi tertentu. persyaratan. Ekspansi pasar berikutnya ini memberikan banyak peluang untuk alat dan solusi desain baru untuk mendukung lingkungan desain chip yang menuntut saat ini.

Desain chip AI:jalur kontrol berbeda

Pendorong penting dalam investasi AI system-on-chip (SoC) baru adalah kapasitas untuk melakukan perhitungan multitugas sekaligus dalam mode terdistribusi (bukan paralelisme terbatas yang ditawarkan oleh CPU tradisional). Desain yang diperlukan untuk melakukan tugas-tugas ini memerlukan blok data-berat yang terdiri dari jalur kontrol di mana mesin negara memproses output berdasarkan input tertentu, bersama dengan blok komputasi yang terdiri dari logika aritmatika untuk mengolah data. Dengan menggunakan fitur ini, perancang chip dapat secara dramatis mempercepat perhitungan identik, dapat diprediksi, dan independen yang dibutuhkan oleh algoritme AI.

Meskipun blok komputasi aritmatika biasanya bukan merupakan tantangan, kecanggihannya meningkat pesat seiring dengan peningkatan jumlah blok dan bit aritmatika secara bersamaan, menambah beban lebih lanjut bagi tim verifikasi.

Dalam dekade terakhir, komputasi data-sentris telah berkembang melampaui batas-batas PC dan server yang terbatas. Bahkan dalam kasus pengali 4-bit yang sederhana, vektor uji perlu ditulis untuk semua kemungkinan kombinasi input untuk memverifikasi fungsionalitas lengkapnya, yaitu 2 ⁴ =16. Di sinilah tantangannya:ketika harus memverifikasi skenario realistis chip AI saat ini, tim perlu memverifikasi adder yang memiliki input 64-bit. Dengan kata lain, 2 ⁶⁴ negara bagian perlu diverifikasi — sebuah pencapaian yang akan memakan waktu bertahun-tahun menggunakan pendekatan klasik. Ini hanyalah salah satu contoh terisolasi dari banyak kemungkinan, tetapi karena adopsi chip AI dengan cepat berkembang dan jumlah data yang dihasilkan terus meledak, tantangan yang memakan waktu terkait dengan verifikasi perangkat keras membuat kebutuhan akan solusi verifikasi modern, aman, dan fleksibel menjadi penting. .

Ujian pamungkas:tantangan verifikasi

Saat tim mendesain chip AI, C/C++, algoritma desain yang cepat dan banyak digunakan, digunakan. Setelah kode fungsional ditulis, informasi perlu diterjemahkan ke dalam representasi yang lebih berorientasi perangkat keras menggunakan RTL (register transfer language). Proses ini mengharuskan tim untuk mengembangkan vektor uji untuk semua kemungkinan kombinasi atau membandingkan apakah RTL cocok dengan model arsitektur C/C++ asli, yang seringkali terbukti menjadi tugas yang cukup menakutkan.

Di sinilah verifikasi formal berperan. Dengan teknik ini, analisis matematis dilakukan untuk mempertimbangkan seluruh desain perangkat keras pada satu waktu. Meskipun vektor uji biasanya perlu ditulis untuk setiap kombinasi input, verifikasi formal menyediakan saluran untuk memverifikasi terhadap serangkaian pernyataan yang menentukan perilaku yang diinginkan dengan memanfaatkan pemeriksa model.

Bahkan beberapa tahun yang lalu, tidak dapat dibayangkan untuk berpikir bahwa verifikasi formal dapat menjadi metode yang digunakan secara luas hanya karena pernyataan tingkat tinggi yang diperlukan. Namun, maju cepat ke hari ini, dan rata-rata perancang RTL atau insinyur verifikasi dapat dengan cepat dan efektif mempelajari trik perdagangan.

Namun, berdasarkan skala yang berkembang dan kompleksitas chip AI saat ini, tidak mungkin untuk sepenuhnya dibuktikan hanya dengan pemeriksaan model. Memverifikasi fungsi matematika ini menggunakan metode tradisional daripada metode modern tidak efisien, memakan waktu, dan pada akhirnya tidak praktis dalam jangka panjang.

Aplikasi AI dan ML membutuhkan bantuan ekstra

Menggunakan bentuk verifikasi formal lainnya (misalnya, pemeriksaan ekivalensi) memberi para insinyur sistem yang kuat untuk memverifikasi bahkan jalur data AI yang paling kompleks sekalipun. Selama proses pemeriksaan ekuivalensi, dua representasi desain dibandingkan, dan desain tersebut terbukti setara atau perbedaan spesifik di antara keduanya diidentifikasi. Mesin formal yang cukup kuat ini memberikan langkah besar selama proses verifikasi karena dua representasi dapat berada pada tingkat abstraksi yang sama sekali berbeda dan bahkan ditulis dalam bahasa yang berbeda.

Mari kita bandingkan implementasi RTL detail desain chip dengan model arsitektur C/C++ tingkat tinggi. Perbandingan menegaskan bahwa set input yang sama menghasilkan output yang sama untuk kedua representasi. Metode yang efisien ini cocok untuk banyak proyek AI mengingat sebagian besar sudah memiliki model C/C++ yang tersedia untuk simulasi pemeriksaan hasil atau sebagai bagian dari platform virtual untuk mendukung pengembangan dan pengujian perangkat lunak awal.

Terlepas dari pertumbuhan pesat aplikasi AI, pemeriksaan kesetaraan formal adalah satu-satunya teknologi yang dapat memberikan verifikasi lengkap jalur data desain terhadap model referensi yang telah terbukti. Untuk membantu evolusi AI yang sejauh ini tanpa hambatan, alat verifikasi memerlukan ciri-ciri berikut:kemudahan penggunaan, kemampuan untuk menskalakan, dan kemampuan debug tingkat lanjut.

Di cakrawala:enkripsi homomorfik

Karena industri terus menghasilkan triliunan byte data yang membutuhkan chip berkinerja tinggi untuk mempertahankan prestasi komputasi ini, perkiraan peningkatan jumlah bit tidak dapat dihindari. Universitas dan organisasi penelitian di seluruh dunia sedang mencari kemungkinan untuk bekerja dengan bit data masukan yang lebih besar dan mengembangkan rencana darurat untuk merancang chip yang dapat mendukung arus masuk ini.

Tetapi dengan genangan data ini muncul kebutuhan berikutnya untuk keamanan perangkat keras. Enkripsi homomorfik akan menjadi bagian integral dari teka-teki AI/ML. Jenis enkripsi ini memberi desainer chip kemampuan untuk mengenkripsi data dan melakukan perhitungan aritmatika yang sama yang diperlukan oleh sistem AI tanpa mendekripsinya dan, dengan demikian, mengurangi risiko pelanggaran data. Untuk meningkatkan kualitas hasil dan produktivitas desain chip AI melalui sistem enkripsi ini, alat generasi berikutnya akan dibutuhkan.

Edge AI akan mendorong ledakan komputasi data berlimpah secara real-time

Sebuah mobil self-driving menabrak rintangan yang tidak diketahui tidak ada dalam daftar keinginan siapa pun. Ini hanya satu contoh bencana yang dapat ditimbulkan oleh chip AI jika desain tidak sepenuhnya diverifikasi. Seiring keinginan pasar untuk lebih banyak kemampuan AI dalam aplikasi komputasi tumbuh, perangkat AI baru akan mendorong ledakan komputasi data berlimpah secara real-time dan mengubah cara produsen chip mendekati desain semikonduktor, yang mengarah ke produktivitas yang lebih tinggi, waktu penyelesaian yang lebih cepat, dan verifikasi yang lebih baik. solusi.

Fajar dunia pertama AI semakin dekat dan lebih mudah dijangkau daripada sebelumnya. Tapi bisakah kita menjalankan roda hamster inovasi cukup lama untuk mewujudkannya? Hanya waktu yang akan menjawab.