AI設計晶片的能力超越人類？谷歌《自然》論文遭加州大學研究團隊 “打臉”

Google員工在《自然》雜誌發表的一篇研究論文指出，該公司開發的人工智慧（AI）軟體能夠比人類更快更好地設計晶片。這項結論近日遭到加州大學聖地牙哥分校（UCSD）研究人員的質疑與批評。

早在2021年6月，Google宣稱開發出基於強化學習的AI晶片設計系統，引發廣泛關注。當時該公司聲稱，這系統能夠自動產生優化的微晶片平面佈局圖，已經用於Google自主研發的TPU晶片設計，並且取得優異表現。

AI設計晶片比人工更快更好？谷歌《自然》雜誌論文遭質疑

晶片的佈局非常重要，因為它直接決定了性能。設計人員需要仔細地排列晶片中的電路塊，例如使訊號和資料以理想的速率在這些區域之間傳輸。工程師通常會花費數週或數月的時間來改進他們的設計，試圖找到最佳配置，以開發出更強大、節能、小巧的晶片。

先前，晶片佈局通常由人工和自動化工具配合完成。谷歌的晶片團隊試圖證明，其AI系統能夠做得比人類工程師更優更快。

Google員工在《自然》雜誌論文中寫道：「儘管進行了50年的研究，晶片佈局仍然無法實現自動化設計，物理設計工程師需要數月的艱苦努力才能製作出可製造的佈局…而在不到6小時的時間裡，我們的AI系統自動產生的晶片佈局在所有關鍵指標上都優於或可與人類繪製的設計圖相媲美。論文得到了電子設計自動化社群的關注，他們開始將機器學習演算法整合到他們的軟體套件中。但UCSD的一個研究團隊對Google關於AI模型在晶片佈局方面優於人類的說法提出了質疑。

在UCSD電腦科學與工程教授Andrew Kahng（在Google論文的同儕審查過程中，Kahn曾擔任《自然》雜誌的審稿人）的帶領下，這個團隊花費幾個月的時間對谷歌在《自然》雜誌上描述的平面規劃佈局進行逆向工程。他們最終發現，透過對Google原始程式碼進行的重新創造（在他們的研究中被稱為電路訓練），Google的方法實際上比使用傳統工業方法和工具的人類工程師表現得更差。

是什麼導致了這種差異呢？團隊指出，Google使用了Synopsys公司的EDA套件，創建了晶片邏輯閘的起始佈局，然後由Google的強化學習系統進行最佳化。

Google在論文指出，在模型生成佈局之後，使用了行業標準的軟體工具和人工調整，主要是為了確保處理器能按預期工作，並最終完成製造。谷歌認為，無論平面圖是由機器學習演算法創建的，還是由人類工程師使用標準工具創建的，這都是必要的一步，因此這個AI模型值得稱讚，因為其優化了最終產品。

然而，UCSD的研究團隊表示，《自然》雜誌的論文中並沒有提到EDA工具是事先用來準備模型佈局進行改進的。換句話說，Synopsys的這些工具可能給了AI模型一個足夠好的開端，以至於AI系統的真實能力受到質疑。

該大學團隊在談到使用Synopsys的套件來為模型建立佈局時寫道，「這一點在論文評審過程中並不明顯，《自然》雜誌也沒有提到。我們進行的實驗表明，擁有初始位置資訊可以顯著提高電路訓練(CT)的結果。此後，一些學者敦促《自然》雜誌根據UCSD的研究來審查Google的論文。在他們發給雜誌的電子郵件中，研究人員強調了Kahng教授及其同事提出的擔憂，並質疑谷歌的論文是否具有誤導性。

德州大學達拉斯分校電機工程高級講師Bill Swartz表示，《自然》雜誌的論文讓許多研究人員蒙在鼓裡，因為其研究結果採用了谷歌的專有TPU，因此無法驗證。

他說，「需要對使用Synopsy的軟體為Google的軟體進行優化這一合作進行調查。我們都只想知道實際的演算法，這樣就可以複製它。如果谷歌的說法是正確的，那麼我們希望能夠實現。

《自然》雜誌表示，正在調查Google的這篇論文。該雜誌發言人稱，「出於保密原因，我們不能評論個別案例的細節。然而，當有人對雜誌上發表的任何論文提出質疑時，我們都會按照既定的流程仔細調查。這一過程包括與作者協商，並在適當的情況下尋求審稿人和其他外部專家的建議。

##資訊顯示，這並不是該雜誌對Google這篇研究論文進行的第一次調查。 2022年3月，改論文更正了作者，還增加了谷歌一些開源CT代碼的鏈接，以供那些試圖遵循該研究方法的人員使用。

Google這篇論文的主要作者Azalia Mirhoseini和Anna Goldie說，UCSD研究團隊的實驗並沒有準確實現他們的方法。他們指出，Kahng教授的團隊得到的結果並不理想，因為他們根本沒有在任何數據上預先訓練他們的模型。

兩人在聲明中說，「如果沒有從以前的經驗中學習，基於學習的方法當然會表現得更差。我們在測試用例之前採用20個電路塊進行了預訓練。

Mirhosini和Goldie也表示，他們在《自然》雜誌的論文中沒有明確描述使用EDA工具是因為無關大局不值得一提。他們說，「我們的研究主要關注從物理合成到群集電路塊的初始放置。在使用任何放置方法之前，必須進行物理合成，這是晶片設計的標準做法。」

然而，UCSD的研究團隊表示，他們沒有預先訓練其模型，是因為他們無法存取谷歌的專有資料。同時他們聲稱，他們為此開發的軟體已經得到了Google的另外兩名工程師的驗證，這兩名工程師也是《自然》雜誌論文的共同作者。

Google論文在內部引發爭議，被解僱員工稱其為了拿下合約

值得一提的是，Google在《自然》雜誌上發表的這篇論文在該公司內部也引發了爭議。

去年5月，GoogleAI研究員Satrajit Chatterjee自稱被公司無故解僱，因為他批評了這篇研究論文，並對其結論提出了質疑。在解僱發生前，Chatterjee被谷歌告知不要發表批評這篇論文的文章。

Google的一些員工對他進行了指責，聲稱他的批評行為太過分，例如他將這篇論文的嚴重性描述為「火車失事」。他也因為這種批評行為接受了谷歌人力資源部的調查。

Chatterjee隨後在加州聖克拉拉高等法院起訴谷歌，稱其被非法解僱。在Chatterjee被解僱之後，Mirhoseini和Goldie也在2022年年中離職。

Chatterjee上個月修改了對谷歌的訴狀，他的律師聲稱，谷歌正在考慮與「S公司」將其基於AI的平面圖生成軟體實現商業化，同時正與S公司談判一項據稱價值1.2億美元的雲端交易。 Chatterjee聲稱，Google支持這篇論文主要是為了幫助說服S公司簽署這項重要的商業協議。

Chatterjee在給谷歌高層的一封電子郵件中寫道：「這篇論文在一定程度上是谷歌為了與S公司達成合作邁出的第一步。由於這項研究是在一筆潛在的大型雲端交易的背景下進行的，當我們的測試表明情況並非如此時，這表明谷歌擁有這一革命性的技術是不道德的。

他在法庭文件中指控谷歌誇大其研究結果，並故意向S公司隱瞞重要信息，以誘導其簽署雲交易，實際上是通過這個存在問題的技術吸引S公司開展合作。

S公司在法庭文件中被描述為一家「電子設計自動化公司」。知情人士表示，S公司其實指的就是Synopsys。但Synopsys和谷歌均拒絕為此置評。

以上是AI設計晶片的能力超越人類？谷歌《自然》論文遭加州大學研究團隊 “打臉”的詳細內容。更多資訊請關注PHP中文網其他相關文章！