Kişi yüksek performanslı bilgi işleme çok büyük veri yığınları arasında ilerlemek ve bunu makul bir hızla yapmak zorunda olduğu zamanlarda ihtiyaç duymaktadır.
Aksi takdirde yapılan işlemler gülünç miktarda bir zaman alabilecektir. Bunlar karmaşık ağlar üzerinde görüntü işleme veya çeşitli derin öğrenme uygulamalarıdır.
Bu tür operasyonlar gerçekleştirilirken hız ve güvenilirlik arasında kaçınılmaz bir ilişki olduğuna yaygın olarak inanılır.
Bu görüşe göre hız birinci öncelikse, güvenilirlik büyük olasılıkla zarar görecektir ve bunun tersi de geçerli olabilecektir.
Ancak, esas olarak MIT’de bulunan bir araştırma ekibi, aslında her şeye sahip olunabileceğini iddia ederek bu kavramı sorguluyor.
Yeni Programlama Dilleri
MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’nda (CSAIL) ikinci sınıf doktora öğrencisi olan Amanda Liu, özellikle yüksek performanslı bilgi işlem için yazdıkları yeni programlama diliyle, “hız ve doğruluk rekabet etmek zorunda değil. Bunun yerine yazdığımız programlarda birlikte, el ele gidebilirler” diyor.
Berkeley’deki California Üniversitesi’nden Gilbert Louis Bernstein, MIT ‘den Doç. Dr. Adam Chlipala ve Doç. Dr. Jonathan Ragan-Kelley ile birlikte geliştirdikleri “Bir Tensör Dili”nin (ATL) tanıtımında bulundular.
Yapılan tanıtımda tensörlerden de bahsedildi. Tensörler de vektörlerin ve matrislerin genellemeleridir.
Vektörler tek boyutlu nesneler (genellikle tek tek oklarla gösterilir) ve matrisler tanıdık iki boyutlu sayı dizileri iken, tensörler örneğin 3x3x3 veya daha yüksek bir dizi biçimini alabilen n-boyutlu dizilerdir.
Bir bilgisayar algoritmasının veya programının bütün amacı, belirli bir hesaplamayı başlatmaktır.
Ancak bir programı yazmanın ve aynı zamanda diğerlerinden çok daha hızlı yazmanın birçok farklı yolu olabilir.
ATL’nin arkasındaki temel mantık şudur, diye açıklıyor:
Kaynak yoğuna dayalı yüksek performanslı bilgi işlem göz önüne alındığında işleri hızlandırmak için programları en uygun biçimde değiştirebilmek veya yeniden yazabilmek istiyorsunuz.
Kişi genellikle yazması en kolay olan bir programla başlar, ancak bu onu çalıştırmanın en hızlı yolu olmayabilir, bu nedenle daha fazla ayarlamaya hala ihtiyaç vardır.”
Örnek olarak, bir görüntünün her biri bir piksele karşılık gelen 100×100’lük bir sayı dizisiyle temsil edildiğini ve bu sayılar için ortalama bir değer almak istediğinizi varsayalım.
Bu, önce her satırın ortalamasını belirleyerek ve ardından her sütunun ortalamasını alarak iki aşamalı bir hesaplamada yapabilecektir.
ATL, bu iki aşamalı sürecin nasıl daha hızlı tek adımlı bir sürece dönüştürülebileceğini gösterebilecek, bilgisayar bilimcilerinin “çerçeve” dediği ilişkili bir araç takımına sahip bir programdır.
Liu, “Prova asistanı adı verilen bir şey kullanarak bu optimizasyonun doğru olduğunu garanti edebiliriz” diyor.
Bu amaçla, ekibin yeni dili, bir kanıtlama asistanı içeren mevcut bir dil olan Coq üzerine kuruludur.
İspat asistanı ise, iddialarını matematiksel olarak kesin bir biçimde kanıtlamak için içsel bir kapasiteye sahiptir.
Coq’un onu MIT tabanlı grup için çekici kılan başka bir özgün özelliği daha vardır. İçinde yazılan programlar veya onun uyarlamaları her zaman sonlanır ve sonsuz döngülere girmez (örneğin Java ile yazılmış programlarda olduğu gibi).
Liu, “Tek bir yanıt almak için bir program çalıştırıyoruz – bir sayı veya bir tensör” diye devam ediyor. “Asla sonlandırılmayan bir program bizim için işe yaramaz, ancak sonlandırma, Coq’un kullanımı ile elde edilecektir” diyor.
ATL projesi, Ragan-Kelley ve Chlipala’nın iki ana araştırma alanını birleştiriyor.
Bu arada Chlipala, algoritmik optimizasyonların resmi (matematiksel temelli) doğrulamasına daha fazla odaklanmış bir araçtırmacıdır..
Bu onların ilk işbirliğini temsil ediyor. Bernstein ve Liu geçen yıl şirkete getirildi ve sonuçta ATL programı doğdu.
Şimdi resmi olarak doğrulanmış optimizasyonlara sahip ilk ve şimdiye kadarki tek tensör dili olarak duruyor.
Ancak Liu, ATL’nin bir dizi küçük programda test edilmiş umut verici olsa da hala sadece bir prototip olduğu konusunda uyarıyor.
“İleriye baktığımızda ana hedeflerimizden biri, gerçek dünyada gördüğümüz daha büyük programlar için kullanılabilmesi için ATL’nin ölçeklenebilirliğini geliştirmektir” diyor.
Geçmişte, bu programların optimizasyonları genellikle elle, çok daha geçici bir temelde, genellikle deneme yanılma ve bazen de çok fazla hata içeren bir şekilde yapılırdı.
ATL ile Liu, “insanlar bu programları yeniden yazmak için çok daha ilkeli bir yaklaşım izleyebilecek – ve bunu daha kolay ve daha fazla doğruluk güvencesiyle yapabilecekler” diye de ekliyor.
Kaynak: MIT News
