Heim >Technologie-Peripheriegeräte >KI >Können KI-Designchips Menschen übertreffen? Googles „Nature'-Artikel wurde vom Forschungsteam der University of California „ins Gesicht geschlagen'.

Können KI-Designchips Menschen übertreffen? Googles „Nature'-Artikel wurde vom Forschungsteam der University of California „ins Gesicht geschlagen'.

WBOY
WBOYnach vorne
2023-04-07 16:26:541406Durchsuche

Können KI-Designchips Menschen übertreffen? Googles „Nature'-Artikel wurde vom Forschungsteam der University of California „ins Gesicht geschlagen'.

Ein von Google-Mitarbeitern in der Zeitschrift Nature veröffentlichter Forschungsbericht besagt, dass die vom Unternehmen entwickelte Software für künstliche Intelligenz (KI) Chips schneller und besser entwerfen kann als Menschen. Diese Schlussfolgerung wurde kürzlich von Forschern der University of California, San Diego (UCSD) in Frage gestellt und kritisiert.

Bereits im Juni 2021 behauptete Google, ein auf Reinforcement Learning basierendes KI-Chip-Designsystem entwickelt zu haben, was große Aufmerksamkeit erregte. Damals behauptete das Unternehmen, dass dieses System automatisch ein optimiertes Mikrochip-Layout generieren könne und beim Design von von Google unabhängig entwickelten TPU-Chips verwendet worden sei und eine hervorragende Leistung erzielt habe.

Ist die KI-Entwicklung von Chips schneller und besser als manuelle Arbeit? Googles „Nature“-Magazinpapier wurde in Frage gestellt

Das Layout des Chips ist sehr wichtig, da es direkt die Leistung bestimmt. Entwickler müssen die Schaltkreisblöcke im Chip sorgfältig anordnen, damit Signale und Daten mit der gewünschten Geschwindigkeit zwischen diesen Bereichen übertragen werden. Ingenieure verbringen oft Wochen oder Monate damit, ihre Designs zu verfeinern und die beste Konfiguration zu finden, um leistungsstärkere, energieeffizientere und kleinere Chips zu entwickeln.

Früher wurde das Chip-Layout normalerweise durch eine Kombination aus manuellen und automatisierten Werkzeugen durchgeführt. Das Chip-Team von Google versucht zu beweisen, dass seine KI-Systeme Dinge besser und schneller erledigen können als menschliche Ingenieure.

Google-Mitarbeiter schrieben in einem Nature-Artikel: „Trotz 50 Jahren Forschung kann das Chip-Layout immer noch nicht automatisch entworfen werden, sodass physische Designingenieure monatelange mühsame Anstrengungen unternehmen müssen, um ein herstellbares Layout zu erstellen … während das Chip-Layout in weniger als 6 Stunden automatisch erstellt wird.“ „Die von unserem KI-System generierten Ergebnisse übertrafen in allen wichtigen Kennzahlen die von Menschen erstellten Konstruktionszeichnungen oder waren mit ihnen vergleichbar.“ Ein UCSD-Forschungsteam hat jedoch Zweifel an Googles Behauptung geäußert, dass KI-Modelle Menschen im Chip-Layout übertreffen können.

Unter der Leitung von UCSD-Professor für Informatik und Ingenieurwesen Andrew Kahng (Kahn fungierte als Gutachter für Nature während des Peer-Review-Prozesses des Google-Artikels) verbrachte das Team mehrere Monate damit, Googles Arbeit im Nature-Magazin zu überprüfen und das beschriebene Grundrisslayout zurückzuentwickeln im Magazin. Letztendlich stellten sie fest, dass Googles Ansatz durch eine Neuerstellung des Originalcodes von Google (in ihrer Studie als Zirkeltraining bezeichnet) tatsächlich schlechter abschnitt als menschliche Ingenieure, die herkömmliche industrielle Methoden und Werkzeuge verwendeten.

Was verursacht diesen Unterschied? Das Team stellte fest, dass Google die EDA-Suite von Synopsys verwendet hat, um ein Ausgangslayout der Logikgatter des Chips zu erstellen, das dann durch das Reinforcement-Learning-System von Google optimiert wurde.

Google wies in dem Papier darauf hin, dass nach der Erstellung des Layouts durch das Modell branchenübliche Softwaretools und manuelle Anpassungen verwendet wurden, hauptsächlich um sicherzustellen, dass der Prozessor wie erwartet arbeiten und letztendlich die Fertigung abschließen kann. Google ist davon überzeugt, dass dies ein notwendiger Schritt ist, unabhängig davon, ob der Grundriss durch einen Algorithmus für maschinelles Lernen oder von einem menschlichen Ingenieur mithilfe von Standardwerkzeugen erstellt wird. Daher verdient dieses KI-Modell Anerkennung für die Optimierung des Endprodukts.

Das UCSD-Forschungsteam gab jedoch an, dass in dem Artikel im Magazin „Nature“ nicht erwähnt wurde, dass EDA-Tools verwendet wurden, um das Modelllayout im Voraus für Verbesserungen vorzubereiten. Mit anderen Worten: Diese Tools von Synopsys haben den KI-Modellen möglicherweise einen so guten Start verschafft, dass die wahren Fähigkeiten der KI-Systeme in Frage gestellt wurden.

Das Universitätsteam schrieb über die Verwendung der Synopsys-Suite zum Erstellen des Layouts für das Modell: „Dies war während des Papierprüfungsprozesses nicht offensichtlich und wurde von Nature auch nicht erwähnt. Die von uns durchgeführten Experimente zeigten, dass eine anfängliche Positionsinformation eine deutliche Verbesserung bewirken kann.“ Ergebnisse des Zirkeltrainings (CT). „

Das Magazin „Nature“ leitete eine Untersuchung des Google-Artikels ein, und Google antwortete auf die Frage der UCSD. Seitdem haben einige Wissenschaftler das Magazin „Nature“ aufgefordert, Google auf der Grundlage der Forschung des UCSD zu überprüfen . These. In ihrer E-Mail an die Zeitschrift hoben die Forscher die von Professor Kahng und seinen Kollegen geäußerten Bedenken hervor und stellten in Frage, ob Googles Artikel irreführend sei.

Bill Swartz, Dozent für Elektrotechnik an der University of Texas in Dallas, sagte, dass das Nature-Papier viele Forscher im Dunkeln lasse, da seine Forschungsergebnisse Googles proprietäres TPU verwendeten und daher nicht verifiziert werden könnten.

Die Zusammenarbeit mit der Software von Synopsie zur Optimierung der Software von Google muss untersucht werden, damit wir sie reproduzieren können Die Schlussfolgerung von Google ist wissenschaftlich und objektiv, dann muss das Ergebnis wahr und gültig sein.“

Das Magazin „Nature“ gab an, dass es dieses Google-Papier untersucht. Ein Sprecher der Zeitschrift sagte: „Aus Gründen der Vertraulichkeit können wir uns nicht zu den Einzelheiten einzelner Fälle äußern. Wenn jedoch Bedenken hinsichtlich eines in der Zeitschrift veröffentlichten Artikels geäußert werden, untersuchen wir dies sorgfältig gemäß dem festgelegten Verfahren. Dieser Prozess umfasst die Zusammenarbeit mit Die Autoren konsultieren Gutachter und andere externe Experten und holen gegebenenfalls Rat ein. Sobald wir über ausreichende Informationen verfügen, entwickeln wir die am besten geeignete Antwort, um den Lesern ein klares Verständnis unserer Ergebnisse zu vermitteln erste Untersuchung des Magazins zu diesem Google-Forschungspapier. Im März 2022 korrigierte das Papier den Autor und fügte Links zu einigen Open-Source-CT-Codes von Google für diejenigen hinzu, die versuchen, der Forschungsmethode zu folgen.

Google Azalia Mirhoseini und Anna Goldie, die Hauptautoren des Papiers, sagten, die Experimente des UCSD-Forschungsteams hätten ihre Methode nicht genau umgesetzt. Sie wiesen darauf hin, dass die vom Team von Professor Kahng erzielten Ergebnisse nicht ideal seien, da sie ihr Modell überhaupt nicht anhand von Daten vorab trainiert hätten.

Das Duo sagte in einer Erklärung: „Lernbasierte Methoden werden natürlich schlechter abschneiden, wenn wir nicht aus früheren Erfahrungen lernen. Wir haben vor den Testfällen mit 20 Schaltungsblöcken vortrainiert.“

Sie wiesen auch darauf hin, dass das Forschungsteam von Professor Kahng auch hat nicht die gleiche Rechenleistung wie Google zum Trainieren seines Systems verwendet, was möglicherweise auch die Leistung seines Modells geschwächt hat.

Mirhosini und Goldie gaben außerdem an, dass sie den Einsatz von EDA-Tools in ihrem Artikel in Nature nicht klar beschrieben hätten, weil dieser für die Gesamtsituation irrelevant und nicht erwähnenswert sei. Sie sagten: „Unsere Forschung konzentriert sich auf die anfängliche Platzierung von der physikalischen Synthese bis hin zu geclusterten Schaltkreisblöcken. Die physikalische Synthese muss vor der Verwendung einer Platzierungsmethode durchgeführt werden, was eine Standardpraxis im Chip-Design ist

Das UCSD-Forschungsteam erklärte jedoch: Sie haben ihre Modelle nicht vorab trainiert, weil sie keinen Zugriff auf die proprietären Daten von Google hatten. Gleichzeitig behaupten sie, dass die von ihnen dafür entwickelte Software von zwei anderen Ingenieuren bei Google verifiziert wurde, die auch Mitautoren des Nature-Papiers sind.

Das Google-Papier sorgte für Kontroversen innerhalb des Unternehmens, und die entlassenen Mitarbeiter sagten, es gehe darum, den Auftrag zu gewinnen

Erwähnenswert ist, dass das von Google in der Zeitschrift „Nature“ veröffentlichte Papier auch innerhalb des Unternehmens für Kontroversen sorgte.

Im Mai letzten Jahres behauptete der Google-KI-Forscher Satrajit Chatterjee, er sei vom Unternehmen ohne Angabe von Gründen entlassen worden, weil er das Forschungspapier kritisiert und dessen Schlussfolgerungen in Frage gestellt hatte. Vor seiner Entlassung wurde Chatterjee von Google angewiesen, keine kritischen Artikel über die Zeitung zu veröffentlichen.

Können KI-Designchips Menschen übertreffen? Googles „Nature-Artikel wurde vom Forschungsteam der University of California „ins Gesicht geschlagen.Einige Google-Mitarbeiter haben ihn zur Rede gestellt und behauptet, seine Kritik sei zu weit gegangen, etwa als er die Ernsthaftigkeit der Zeitung als „Zugunglück“ bezeichnete. Wegen dieses kritischen Verhaltens wurde er auch von der Personalabteilung von Google untersucht.

Chatterjee verklagte Google später vor dem kalifornischen Santa Clara Superior Court mit der Begründung, er sei unrechtmäßig entlassen worden. Nach der Entlassung von Chatterjee verließen auch Mirhoseini und Goldie Mitte 2022 das Unternehmen.

Chatterjee änderte letzten Monat seine Beschwerde gegen Google und seine Anwälte behaupteten, Google erwäge die Kommerzialisierung seiner KI-basierten Software zur Grundrisserstellung mit „S Company“ und verhandelte mit S Company über einen Deal, der angeblich 1,2 Milliarden Dollar wert sei Cloud-Deal. Chatterjee behauptete, dass Google das Papier in erster Linie unterstützt habe, um Unternehmen S davon zu überzeugen, diese wichtige Handelsvereinbarung zu unterzeichnen.

Chatterjee schrieb in einer E-Mail an Google-Führungskräfte: „Dieses Papier ist gewissermaßen der erste Schritt von Google, um eine Zusammenarbeit mit Unternehmen S zu erreichen. Da diese Forschung im Kontext einer potenziell groß angelegten Studie steht“, war dies der Fall „Dies geschah im Rahmen eines Cloud-Deals und als unsere Tests das Gegenteil ergaben, zeigte sich, dass Google mit dem Besitz dieser revolutionären Technologie unethisch handelte“, wurde die E-Mail im Rahmen der Klage offengelegt.

In Gerichtsdokumenten warf er Google vor, seine Forschungsergebnisse zu übertreiben und wichtige Informationen vor Unternehmen S absichtlich zu verbergen, um es zum Abschluss eines Cloud-Deals zu bewegen. Tatsächlich nutzte es diese problematische Technologie, um Unternehmen S zur Zusammenarbeit zu bewegen.

S Company wird in Gerichtsdokumenten als „Unternehmen für die Automatisierung elektronischer Designs“ beschrieben. Mit der Angelegenheit vertraute Personen sagten, dass sich Unternehmen S tatsächlich auf Synopsys beziehe. Aber Synopsys und Google lehnten eine Stellungnahme ab.

Das obige ist der detaillierte Inhalt vonKönnen KI-Designchips Menschen übertreffen? Googles „Nature'-Artikel wurde vom Forschungsteam der University of California „ins Gesicht geschlagen'.. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Dieser Artikel ist reproduziert unter:51cto.com. Bei Verstößen wenden Sie sich bitte an admin@php.cn löschen