Un souhait de nouvel an

Chaque année, je dirige un article de prédictions. Il s’agit d’un mélange d’idées émanant de nombreuses personnes au sein de l’industrie, et même si de nombreuses prédictions sont quelque peu intéressées, il y en a d’autres qui viennent davantage du cœur – ou peut-être s’agit-il de rêves plutôt que d’attentes. Je vois de l'espoir dans certains d'entre eux, en particulier ceux qui envisagent la durabilité au sein de notre industrie et de notre industrie.

Tout comme pour la vérification, il y a deux mots qui décrivent son objectif : vérification et validation. La vérification consiste à montrer qu'une conception correspond à une spécification, tandis que la validation consiste à s'assurer que la spécification correspond à ce que vous vouliez. L’un est tourné vers l’intérieur, l’autre vers l’extérieur. Il en va de même pour la durabilité.

La durabilité comporte deux aspects : faisons-nous tout de la manière la plus durable possible et ce que nous créons mène-t-il à un avenir plus durable ?

Faire les choses de manière durable

Quand je pense à la vérification, je constate une énorme perte de temps, d’efforts et d’énormes quantités de calculs qui ne devraient pas être nécessaires. La méthodologie utilisée est, pour être franc, enfantine. Les meilleurs esprits de l’industrie n’ont pas réussi à proposer une méthodologie intégrant la moindre notion d’efficacité. Nous levons les bras en l’air, en disant que c’est une tâche impossible et que nous ne pourrons jamais parvenir à une conclusion. Et pourtant, le mieux que l’industrie puisse proposer est une méthodologie aléatoire qui stimule les mesures de relance et effectue des vérifications ad hoc, en collectant des données de couverture implicites.

La méthodologie de modèles de test aléatoires contraints, telle que définie aujourd'hui, entraîne la vente d'un plus grand nombre de licences de simulateur, et l'augmentation de la taille des conceptions a transformé cette tendance en émulateurs. Mais la couverture est définie d'une manière où il est presque impossible de penser à une véritable exhaustivité, ou à un ensemble de stimulus optimal, et les mêmes choses sont probablement revérifiées des milliards de fois plus que nécessaire.

Je suis très heureux de voir que certaines entreprises commencent à réfléchir à de véritables approches hiérarchiques face à un certain nombre de problèmes du secteur, et la vérification en est une qui doit être repensée. La génération automatique de modèles abstraits à partir de modèles détaillés en est un élément clé. La vérification au niveau du bloc devrait créer un modèle de niveau supérieur pouvant être utilisé pour la vérification de l'intégration ou d'autres formes de vérification supérieures. Ces modèles générés sont spécifiques à l'objectif de la vérification de niveau supérieur. Par exemple, un modèle de niveau supérieur peut être une fonction abstraite et un modèle statistique pour le timing, ou il peut simplement capturer un modèle d'E/S qui signale un avertissement s'il détecte un ensemble de modèles et d'états qui n'étaient pas couverts par le bloc. vérification du niveau. Il y a tellement de possibilités.

Ensuite, il y a des gains d’efficacité dans la conception. Il est clair que les entreprises s'efforcent de réduire la consommation d'énergie en fonction du nombre de pannes de puces liées à cette tâche. L’industrie a besoin de bien meilleurs outils pour l’aider à trouver des gains d’efficacité et à en vérifier l’impact.

Créer des choses pour un avenir durable

Ce sur quoi vous travaillez contribue-t-il à un monde plus économe en énergie qu’il ne l’était avant que votre produit ne soit disponible ? Dans certains cas, il peut être assez facile de répondre à cette question, comme par exemple produire un processeur qui effectue plus d'opérations par watt que la génération précédente. Mais il y a plusieurs niveaux à cela.

Un schéma de pensée me dérange depuis longtemps. Le paradigme de la programmation logicielle est si bien ancré que l’industrie fera tout pour le préserver, même s’il est si inefficace qu’il devrait être abandonné et remplacé par autre chose. Cela peut nécessiter plus de temps pour le logiciel, mais le produit finirait par être beaucoup plus économe en énergie. Par exemple, qui fait du ML en utilisant un processeur à usage général ? Ils l’ont fait pendant un certain temps avant de trouver des alternatives plus adaptées, mais de nombreuses autres tâches continuent d’utiliser une mauvaise architecture de traitement.

De même, dans le cadre de l’IA/ML, les chercheurs ont réduit le besoin d’une précision inutilement élevée. Il a été utilisé au départ parce qu'il n'y avait rien d'autre, mais utiliser la virgule flottante en pleine précision gaspille beaucoup d'énergie. L'inférence de périphérie s'est améliorée plus rapidement, car sans elle, les produits ne seraient pas possibles. Mais il faut réfléchir encore davantage à la réduction massive de l’énergie d’apprentissage.

Ensuite, il y a la classe de produits qui défient toute notion de durabilité. Leur seule raison d’être est de gagner de l’argent au détriment de l’environnement. L’exemple que je prends toujours est celui des moteurs de recommandation. Pouvons-nous arrêter cette bêtise ? Ils ne fonctionnent pas et n’ont aucun bon but. Pour les personnes travaillant sur ces produits, veuillez repenser où vous placez votre talent, et si vous avez la possibilité de changer pour quelque chose qui est pour le bien de la société, alors faites-le.

Notre industrie dispose d’un énorme pouvoir d’influence sur tous les aspects de la société. Même si je pense que notre bilan est raisonnable, il est loin d’être parfait. Nous avons toujours choisi la voie de la facilité, ce qui signifie que nous sommes loin de ce que nous pourrions être en termes d’efficacité énergétique. Nous devons y penser dans tous les aspects de ce que nous faisons. La COVID a montré que même un changement dans les conditions de travail peut avoir un impact majeur. Nous devons trouver un équilibre entre le travail de bureau et l’utilisation des ressources « locales ». Nous devons arrêter de penser que la puissance de calcul est infinie et nous concentrer davantage sur la façon dont nous réduisons la quantité de calcul dont nous avons besoin ou sur la façon d’effectuer le calcul plus efficacement.

Nous avons tous vous faites une différence. S'il vous plaît, profitez de la nouvelle année pour commencer à y penser un peu plus. Individuellement, nous ne pouvons pas résoudre le problème, mais chacun d’entre nous peut apporter sa petite contribution.