AI 디자인 칩이 인간을 능가할 수 있을까? 구글의 '네이처(Nature)' 논문이 캘리포니아 대학 연구팀에 의해 '뺨을 맞았다'

Google 직원들이 Nature 저널에 발표한 연구 논문에는 회사가 개발한 인공지능(AI) 소프트웨어가 인간보다 더 빠르고 더 나은 칩을 설계할 수 있다고 나와 있습니다. 이 결론은 최근 캘리포니아 대학교 샌디에고 캠퍼스(UCSD)의 연구원들에 의해 의문을 제기하고 비판을 받았습니다.

이르면 2021년 6월, 구글은 강화학습 기반의 AI 칩 설계 시스템을 개발했다고 발표해 큰 관심을 끌었습니다. 당시 회사에서는 이 시스템이 최적화된 마이크로칩 레이아웃을 자동으로 생성할 수 있으며, 구글이 독자적으로 개발한 TPU 칩 설계에 사용돼 뛰어난 성능을 발휘했다고 주장했다.

AI는 수동 작업보다 칩을 더 빠르고 더 잘 설계하나요? Google의 "Nature" 잡지 종이에 의문이 제기되었습니다.

칩의 레이아웃은 성능을 직접적으로 결정하기 때문에 매우 중요합니다. 설계자는 신호와 데이터가 원하는 속도로 이러한 영역 사이를 이동할 수 있도록 칩의 회로 블록을 주의 깊게 배열해야 합니다. 엔지니어들은 더 강력하고 에너지 효율적이며 더 작은 칩을 개발하기 위한 최상의 구성을 찾으려고 몇 주 또는 몇 달을 소비하여 설계를 개선하는 경우가 많습니다.

이전에는 일반적으로 칩 레이아웃이 수동 도구와 자동화 도구의 조합으로 완성되었습니다. Google의 칩 팀은 AI 시스템이 인간 엔지니어보다 더 빠르고 효율적으로 작업을 수행할 수 있음을 증명하려고 노력하고 있습니다.

Google 직원은 Nature 논문에서 다음과 같이 썼습니다. “50년 간의 연구에도 불구하고 칩 레이아웃은 여전히 ​​자동으로 설계될 수 없으므로 제조 가능한 레이아웃을 생성하려면 물리적 설계 엔지니어가 수개월에 걸쳐 고된 노력을 기울여야 합니다… 반면 칩 레이아웃은 6시간도 채 안 되어 AI 시스템에 의해 자동으로 생성된 것은 모든 주요 지표에서 인간이 그린 설계 도면보다 성능이 뛰어나거나 비슷했습니다."

이 문서는 전자 설계 자동화 커뮤니티의 승인을 받았습니다. 이에 따라 그들은 기계 학습 알고리즘을 소프트웨어 제품군에 통합하기 시작했습니다. 그러나 UCSD 연구팀은 AI 모델이 칩 레이아웃에서 인간보다 뛰어난 성능을 발휘할 수 있다는 Google의 주장에 의문을 제기했습니다.

UCSD 컴퓨터 과학 및 공학 교수 Andrew Kahng(Kahn은 Google 논문의 동료 검토 과정에서 Nature의 평론가로 활동함)이 이끄는 팀은 몇 달에 걸쳐 Nature 》 잡지에서 Google의 작업을 검토하고 설명된 평면도 레이아웃을 역설계했습니다. 잡지에서. 그들은 궁극적으로 Google의 원본 코드(연구에서는 회로 훈련이라고 함)를 다시 생성함으로써 Google의 접근 방식이 실제로 전통적인 산업 방법과 도구를 사용하는 인간 엔지니어보다 성능이 떨어진다는 사실을 발견했습니다.

이 차이의 원인은 무엇입니까? 팀은 Google이 Synopsys의 EDA 제품군을 사용하여 칩 논리 게이트의 시작 레이아웃을 생성한 다음 Google의 강화 학습 시스템에 의해 최적화했다고 언급했습니다.

Google은 모델이 레이아웃을 생성한 후 주로 프로세서가 예상대로 작동하고 궁극적으로 제조를 완료할 수 있는지 확인하기 위해 업계 표준 소프트웨어 도구와 수동 조정을 사용했다고 논문에서 지적했습니다. Google은 평면도가 기계 학습 알고리즘을 사용하여 작성되었는지 또는 표준 도구를 사용하여 인간 엔지니어가 작성했는지 여부에 관계없이 이것이 필요한 단계라고 믿습니다. 따라서 이 AI 모델은 최종 제품 최적화에 대한 공로를 인정받을 가치가 있습니다.

그러나 UCSD 연구팀은 "Nature" 잡지의 논문에는 개선을 위해 사전에 모델 레이아웃을 준비하는 데 EDA 도구가 사용되었다는 언급이 없다고 밝혔습니다. 즉, Synopsys의 이러한 도구는 AI 시스템의 진정한 기능에 의문이 제기될 정도로 AI 모델에 충분한 시작을 제공했을 수 있습니다.

대학 팀은 Synopsys의 제품군을 사용하여 모델 레이아웃을 구축한 것에 대해 다음과 같이 썼습니다. "이것은 논문 검토 과정에서 분명하지 않았고 Nature에서는 언급되지 않았습니다. 우리가 수행한 실험에서는 초기 위치 정보를 갖는 것이 크게 향상될 수 있음을 보여주었습니다. 서킷트레이닝(CT) 결과. "

"네이처" 매거진은 구글 논문에 대한 조사에 착수했고, 구글은 UCSD의 질문에 응답했습니다

이후 일부 학자들은 "네이처" 매거진에 UCSD의 연구를 바탕으로 구글을 검토할 것을 촉구했습니다. . 연구자들은 저널에 보낸 이메일에서 강 교수와 그의 동료들이 제기한 우려를 강조하고 구글의 논문이 오해의 소지가 있는지 의문을 제기했습니다.

텍사스대학교 댈러스 전기공학과의 선임 강사인 빌 스와츠(Bill Swartz)는 네이처 논문의 연구 결과가 구글의 독점 TPU를 사용했기 때문에 검증할 수 없었기 때문에 많은 연구자들을 어둠에 빠뜨렸다고 말했습니다.

그는 “Google의 소프트웨어를 최적화하기 위해 Synopsy의 소프트웨어를 사용한 협업을 조사해야 합니다. 우리 모두는 Google의 주장이 정확하다면 실제 알고리즘을 알고 싶을 뿐입니다. 구글의 결론은 과학적이고 객관적이므로 그 결과는 진실되고 타당해야 합니다.”

Nature 매거진은 이 Google 논문을 조사 중이라고 밝혔습니다. 저널 대변인은 "기밀 유지상의 이유로 개별 사례의 세부 사항에 대해 언급할 수 없습니다. 그러나 저널에 게재된 논문에 대해 우려가 제기되면 확립된 프로세스에 따라 신중하게 조사합니다. 이 프로세스에는 다음과 같은 작업이 포함됩니다. 저자는 적절한 경우 리뷰어 및 기타 외부 전문가로부터 조언을 구합니다. 일단 충분한 정보가 확보되면 우리는 독자들에게 우리 연구 결과에 대한 명확한 이해를 제공하기 위해 가장 적절한 응답을 개발합니다."

정보는 이것이 사실이 아님을 보여줍니다. 이 Google 연구 논문에 대해 잡지에서 첫 번째 조사를 실시했습니다. 2022년 3월 논문은 저자를 정정하고 연구 방법을 따르려는 사람들을 위해 구글의 일부 오픈소스 CT 코드에 대한 링크를 추가했습니다.

논문의 주요 저자인 Google Azalia Mirhoseini와 Anna Goldie는 UCSD 연구팀의 실험이 그들의 방법을 정확하게 구현하지 못했다고 말했습니다. 그들은 강 교수팀이 얻은 결과가 어떤 데이터에도 모델을 사전 훈련하지 않았기 때문에 이상적이지 않다고 지적했습니다.

두 사람은 성명서에서 "학습 기반 방법은 이전 경험에서 학습하지 않으면 당연히 더 나쁜 성능을 발휘할 것입니다. 우리는 테스트 사례 전에 20개의 회로 블록을 사전 훈련했습니다."라고 말했습니다.

또한 강 교수 연구팀도 이를 지적했습니다. 시스템 교육에 Google과 동일한 컴퓨팅 성능을 사용하지 않았으며 이로 인해 모델 성능이 약화되었을 수도 있습니다.

Mirhosini와 Goldie는 또한 Nature의 논문에서 EDA 도구의 사용을 명시적으로 설명하지 않았다고 밝혔습니다. 이는 전반적인 상황과 관련이 없고 언급할 가치가 없기 때문입니다. 그들은 "우리 연구는 물리적 합성부터 클러스터링된 회로 블록까지의 초기 배치에 중점을 둡니다. 어떤 배치 방법을 사용하기 전에 칩 설계의 표준 관행인 물리적 합성을 수행해야 합니다."라고 말했습니다.

그러나 UCSD 연구팀은 다음과 같이 말했습니다. , Google의 독점 데이터에 액세스할 수 없었기 때문에 모델을 사전 학습하지 않았습니다. 동시에 그들은 이를 위해 개발한 소프트웨어가 Nature 논문의 공동 저자이기도 한 Google의 다른 두 엔지니어에 의해 검증되었다고 주장합니다.

구글 페이퍼가 회사 내에서 논란을 일으켰고, 해고된 직원들이 계약을 따내기 위해서였다고 합니다

구글이 잡지 '네이처'에 게재한 논문도 회사 내에서 논란을 일으켰다는 점은 언급할 만합니다.

지난해 5월 구글 AI 연구원 사트라짓 채터지는 연구 논문을 비판하고 결론에 의문을 제기했다는 이유로 회사에서 해고됐다고 주장했습니다. 해고되기 전에 Chatterjee는 Google로부터 해당 논문을 비판하는 기사를 게시하지 말라는 지시를 받았습니다.

일부 Google 직원은 신문의 심각성을 "열차 사고"라고 묘사하는 등 그의 비판이 너무 과하다고 주장하면서 그를 불렀습니다. 그는 또한 이러한 중대한 행위로 인해 Google 인사부로부터 조사를 받았습니다.

Chatterjee는 나중에 자신이 불법적으로 해고되었다고 주장하며 캘리포니아 산타클라라 고등법원에 Google을 고소했습니다. Chatterjee가 해고된 후 Mirhoseini와 Goldie도 2022년 중반에 떠났습니다.

Chatterjee는 지난달 Google에 대한 불만 사항을 수정했으며 그의 변호사는 Google이 "S Company"와 AI 기반 평면도 생성 소프트웨어 상용화를 고려하고 있으며 S Company와 12억 달러 규모의 계약을 협상 중이라고 주장했습니다. 클라우드 거래. Chatterjee는 Google이 주로 Company S가 이 중요한 상업 계약에 서명하도록 설득하기 위해 이 문서를 지원했다고 주장했습니다.

Chatterjee는 Google 경영진에게 보낸 이메일에서 다음과 같이 썼습니다. "이 문서는 어느 정도 Google이 Company S와 협력을 이루기 위해 취한 첫 번째 단계입니다. 이 연구가 잠재적으로 대규모의 맥락에 있기 때문에" 클라우드 거래의 맥락에서 수행되었으며 테스트 결과 그렇지 않은 것으로 나타났을 때 Google이 이 혁신적인 기술을 소유하는 데 비윤리적으로 행동하고 있는 것으로 나타났습니다." 이메일은 소송의 일부로 공개되었습니다.

법원 문서에서 그는 구글이 클라우드 계약을 체결하도록 유도하기 위해 연구 결과를 과장하고 S사의 중요한 정보를 의도적으로 은폐했다고 비난했습니다. 실제로는 S사가 협력하도록 유도하기 위해 이 문제가 있는 기술을 사용했습니다.

S 회사는 법원 문서에 "전자 설계 자동화 회사"로 기술되어 있습니다. 이 문제에 정통한 사람들은 S사가 실제로 Synopsys를 지칭한다고 말했습니다. 그러나 Synopsys와 Google은 논평을 거부했습니다.

위 내용은 AI 디자인 칩이 인간을 능가할 수 있을까? 구글의 '네이처(Nature)' 논문이 캘리포니아 대학 연구팀에 의해 '뺨을 맞았다'의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!