Et nyttårsønske

Hvert år løper jeg en spådommer artikkel. Det er en blanding av ideer fra mange mennesker i bransjen, og selv om mange spådommer er noe selvtjenende, er det andre som kommer mer fra hjertet - eller kanskje de er drømmer i stedet for forventninger. Jeg ser håp i noen av dem, spesielt de som ser mot bærekraft i vår bransje og vår industri.

Akkurat som i verifisering, er det to ord som beskriver formålet - verifisering og validering. Verifikasjon er handlingen for å vise at et design samsvarer med en spesifikasjon, mens validering er å sikre at spesifikasjonen er det du ønsket. Den ene er innadvendt, den andre mer utadvendt. Det samme gjelder for bærekraft.

Det er to aspekter ved bærekraft – gjør vi alt på den mest bærekraftige måten, og fører det vi skaper til en mer bærekraftig fremtid?

Å gjøre ting bærekraftig

Når jeg tenker på verifisering, ser jeg enorme mengder bortkastet tid, krefter og enorme mengder beregning som ikke burde være nødvendig. Metodikken som brukes er, for å være ærlig, barnslig. Bransjens beste hoder har ikke klart å komme opp med en metodikk som har noen forestilling om effektivitet. Vi vifter med armene i været og sier at det er en umulig oppgave og at vi aldri kan nå nedleggelse. Og likevel er det beste industrien kan komme opp med en tilfeldig metodikk som driver stimulering og utfører ad-hoc-kontroller, og samler inn implisitte dekningsdata.

Begrenset tilfeldig testmønstermetodikk, som definert i dag, driver salget av flere simulatorlisenser, og økende designstørrelser har endret det til emulatorer. Men dekning er definert på en måte der det er nesten umulig å tenke på ekte fullstendighet, eller et optimalt stimulussett, og de samme tingene blir bekreftet på nytt sannsynligvis milliarder av ganger mer enn nødvendig.

Jeg er veldig glad for å se at noen selskaper begynner å tenke på ekte hierarkiske tilnærminger til en rekke problemer i bransjen, og verifisering er en som må tenkes nytt. Den automatiske genereringen av abstrakte modeller fra detaljerte modeller er et sentralt element i dette. Verifikasjonen på blokknivå bør skape en overordnet modell som kan brukes til integrasjonsverifisering, eller andre høyere former for verifikasjon. Disse genererte modellene er spesifikke for formålet med verifiseringen på høyere nivå. For eksempel kan en modell på høyere nivå være en abstrakt funksjon og en statistisk modell for timing, eller den kan bare fange opp en I/O-modell som flagger en advarsel hvis den ser et sett med mønstre og tilstander som ikke ble dekket av blokk- nivåverifisering. Det er så mange muligheter.

Så er det effektivitetsgevinster innenfor designet. Det er tydelig at selskaper prøver hardt å redusere strømforbruket basert på antall brikkefeil knyttet til denne oppgaven. Bransjen trenger mye bedre verktøy for å finne effektivitet og verifisere effekten av dem.

Skape ting for en bærekraftig fremtid

Går det du jobber med inn i en verden som er mer energieffektiv enn det var før produktet ditt ble tilgjengelig? I noen tilfeller kan det være ganske enkelt å svare på, for eksempel å produsere en prosessor som gjør flere operasjoner per watt enn forrige generasjon. Men det er mange nivåer i dette.

Ett tankemønster har forstyrret meg lenge. Programvareprogrammeringsparadigmet er så forankret at industrien vil gjøre hva som helst for å bevare det, selv når det er så ineffektivt at det bør skrotes og erstattes med noe annet. Det kan resultere i mer tid som kreves for programvare, men produktet vil ende opp med å bli størrelsesordener mer energieffektivt. For eksempel, hvem gjør ML ved å bruke en generell CPU? Det gjorde de en stund før de fant mer passende alternativer, men det er mange andre oppgaver som fortsetter å bruke feil prosesseringsarkitektur.

På samme måte har forskere innen AI/ML redusert behovet for unødvendig høy presisjon. Den ble brukt i utgangspunktet fordi det ikke var noe annet, men å bruke flytepunkt med full presisjon er å kaste bort så mye energi. Edge-inferens har forbedret seg raskere, fordi uten den ville produkter ikke vært mulig. Men det må legges mye mer omtanke i massive reduksjoner i læringsenergi.

Så er det klassen av produkter som trosser alle forestillinger om å være bærekraftige. Deres eneste grunn til å eksistere er å tjene penger på bekostning av miljøet. Eksemplet jeg alltid velger er anbefalingsmotorer. Kan vi stoppe denne dumheten? De fungerer ikke, og de har ingen god hensikt. For folk som jobber med disse produktene, vennligst tenk på nytt hvor du plasserer talentet ditt, og hvis du har en mulighet til å endre til noe som er til beste for samfunnet, så gjør det.

Vår industri har enorm makt til å påvirke alle aspekter av samfunnet. Selv om jeg synes vi har en rimelig merittliste, er den langt fra perfekt. Vi har tatt den enkle veien hver gang, og det betyr at vi er et stykke unna der vi kunne vært når det gjelder energieffektivitet. Vi må tenke på det i hvert hjørne av det vi gjør. COVID viste at selv en endring i arbeidsforhold kan ha stor innvirkning. Vi må finne balansen mellom kontorarbeid og bruk av «lokale» ressurser. Vi må slutte å tenke at datakraften er uendelig og konsentrere oss mer om hvordan vi reduserer mengden data vi trenger, eller hvordan vi kan utføre beregningen mer effektivt.

Vi alle kan gjør en forskjell. Bruk det nye året til å begynne å tenke litt mer på det. Individuelt kan vi ikke løse problemet, men hver og en av oss kan gi et lite bidrag.