Un deseo de año nuevo

Cada año dirijo un artículo de predicciones. Es una mezcla de ideas de muchas personas dentro de la industria, y aunque muchas predicciones son algo egoístas, hay otras que vienen más del corazón, o tal vez son sueños en lugar de expectativas. Veo esperanza en algunos de ellos, particularmente en los que miran hacia la sostenibilidad dentro de nuestra industria y de nuestra industria.

Al igual que en la verificación, hay dos palabras que describen su propósito: verificación y validación. La verificación es el acto de mostrar que un diseño coincide con una especificación, mientras que la validación es asegurarse de que la especificación es lo que deseaba. Uno mira hacia adentro, el otro más hacia afuera. Lo mismo es cierto para la sostenibilidad.

Hay dos aspectos de la sostenibilidad: ¿estamos haciendo todo de la manera más sostenible y lo que creamos conduce a un futuro más sostenible?

Hacer las cosas de forma sostenible

Cuando pienso en la verificación, veo enormes cantidades de tiempo y esfuerzo desperdiciados, y grandes cantidades de cómputo que no deberían ser necesarios. La metodología en uso es, para ser franco, infantil. Las mejores mentes de la industria no han podido idear una metodología que tenga alguna noción de eficiencia. Agitamos nuestros brazos en el aire, diciendo que es una tarea imposible y que nunca podremos llegar a un final. Y, sin embargo, lo mejor que puede ofrecer la industria es una metodología aleatoria que genera estímulos y realiza comprobaciones ad-hoc, recopilando datos de cobertura implícita.

La metodología de patrones de prueba aleatorios restringidos, tal como se define hoy, impulsa la venta de más licencias de simuladores, y el aumento de los tamaños de diseño ha cambiado eso para los emuladores. Pero la cobertura se define de una manera en la que es casi imposible pensar en la verdadera integridad, o en un conjunto de estímulos óptimo, y las mismas cosas se vuelven a verificar probablemente miles de millones de veces más de lo requerido.

Estoy muy feliz de ver que algunas empresas están comenzando a pensar en verdaderos enfoques jerárquicos para una serie de problemas en la industria, y la verificación es algo que debe repensarse. La generación automática de modelos abstractos a partir de modelos detallados es un elemento clave de esto. La verificación a nivel de bloque debe crear un modelo de nivel superior que se pueda utilizar para la verificación de integración u otras formas superiores de verificación. Esos modelos generados son específicos para el propósito de la verificación de nivel superior. Por ejemplo, un modelo de nivel superior podría ser una función abstracta y un modelo estadístico para la temporización, o podría simplemente capturar un modelo de E/S que marca una advertencia si ve un conjunto de patrones y estados que no estaban cubiertos por bloques. verificación de nivel. Hay muchas posibilidades.

Luego están las eficiencias dentro del diseño. Está claro que las empresas se esfuerzan por reducir el consumo de energía en función de la cantidad de fallas de chips relacionadas con esta tarea. La industria necesita herramientas mucho mejores para ayudar a encontrar eficiencias y verificar el impacto de las mismas.

Creando cosas para un futuro sostenible

¿Aporta aquello en lo que está trabajando a un mundo que es más eficiente desde el punto de vista energético de lo que era antes de que su producto estuviera disponible? En algunos casos, puede ser bastante fácil de responder, como producir un procesador que realice más operaciones por vatio que la generación anterior. Pero hay muchos niveles en esto.

Un patrón de pensamiento me ha perturbado durante mucho tiempo. El paradigma de la programación de software está tan arraigado que la industria hará cualquier cosa para preservarlo, incluso cuando sea tan ineficiente que deba desecharse y reemplazarse con algo más. Puede resultar en más tiempo requerido para el software, pero el producto terminaría siendo mucho más eficiente energéticamente. Por ejemplo, ¿quién hace ML usando una CPU de propósito general? Lo hicieron durante un tiempo antes de encontrar alternativas más adecuadas, pero hay muchas otras tareas que continúan utilizando la arquitectura de procesamiento incorrecta.

De manera similar, dentro de AI/ML, los investigadores han reducido la necesidad de una precisión innecesariamente alta. Inicialmente se usó porque no había nada más, pero usar punto flotante de precisión completa es desperdiciar mucha energía. La inferencia de borde ha mejorado más rápido, porque sin ella los productos no serían posibles. Pero se necesita pensar mucho más en las reducciones masivas en la energía de aprendizaje.

Luego está la clase de productos que desafían todas las nociones de ser sostenibles. Su única razón de ser es ganar dinero a expensas del medio ambiente. El ejemplo que siempre elijo son los motores de recomendación. ¿Podemos detener esta estupidez? No funcionan y no tienen un buen propósito. Para las personas que trabajan en estos productos, reconsideren dónde están colocando su talento y, si tienen la oportunidad de cambiar a algo que sea por el bien de la sociedad, háganlo.

Nuestra industria tiene un tremendo poder para influir en todos los aspectos de la sociedad. Si bien creo que tenemos un historial razonable, está lejos de ser perfecto. Siempre hemos tomado el camino fácil, y eso significa que estamos muy lejos de donde podríamos estar en términos de eficiencia energética. Tenemos que estar pensando en ello en cada rincón de lo que hacemos. COVID demostró que incluso un cambio en las condiciones de trabajo puede tener un gran impacto. Necesitamos encontrar el equilibrio entre el trabajo de oficina y la utilización de recursos 'locales'. Necesitamos dejar de pensar que el poder de cómputo es infinito y concentrarnos más en cómo reducimos la cantidad de cómputo que necesitamos, o cómo realizar el cómputo de manera más eficiente.

A todos nos podemos Hacer la diferencia. Utilice el Año Nuevo para comenzar a pensar en ello un poco más. Individualmente, no podemos resolver el problema, pero cada uno de nosotros puede hacer una pequeña contribución.