谷歌 AI 的芯片设计能力超过人类？一位内部研究员发出质疑，结果“因言获罪”遭解雇

在质疑自家发表在 Nature 上的论文成果后，这位谷歌研究员被解雇了。

去年 6 月，谷歌在 Nature 上发表了一篇文章：A graph placement methodology for fast chip design，其中 Jeff Dean 是作者之一。文章中表示，AI 能在 6 个小时内生成芯片设计图，而且比人类设计得更好。

但这位研究员认为文章的一些论断站不住脚，以及实验尚未经过充分的测试。不过他只是在内部表达了下想法，结果验证自己观点的论文，直接被谷歌拦截、没能对外发表。

（网友想看预印本都看不到）

随后谷歌的最新回应证实，这位研究员已于今年 3 月“因故”被解雇。值得一提的是，这已经不是第一次谷歌员工“因言获罪”了。也就一年半的时间，谷歌已经传出三位技术人员遭解雇。

AI 芯片设计能力超过人类？

这次牵涉其中的论文，于去年 4 月 13 日被《Nature》接收，6 月 9 日发表。它主要讨论了一种用深度强化学习来快速设计芯片的方法。论文中表示，通过此方法，AI 只需不到 6 小时的时间，就能设计出一块芯片；而人工往往要花费数周或数月才能做到。

具体来看，这是一种具有泛化能力的芯片布局方法。AI 通过学习 10 万个芯片布局，这种方法就能自己设计出新的方案来，并且所有关键指标（包括功耗、性能和芯片面积）都和人工设计的不相上下。

为了提高 AI 的学习效率，研究人员还设计了一种奖励机制，基于线路长度和布线拥塞的近似代价函数进行计算。

具体来说，需要将宏和标准单元映射到一个平面画布上，形成具有数百万到数十亿节点的“芯片网表”。然后，AI 模型会对功率、性能和面积 (PPA) 等进行优化，并且输出概率分布。

下图分别是零样本生成和基于预训练策略微调的效果，其中每个小矩形代表一个宏块。在预训练策略中，中间留出了用于放置标准单元的空间。

这篇论文的共同通讯作者 Anna D Goldie 表示，这种方法适用于任何类型的芯片设计，并且已经被用在生产下一代 Google TPU 上。

但在“取得重大突破”的背后，谷歌内部关于这项技术的质疑，其实从 2020 年就开始了。提出质疑的正是今年 3 月被解雇的谷歌大脑员工 ——Chatterjee 博士。

他毕业于 UC 伯克利计算机系，曾在英特尔工作过，主要从事通信协议高层建模和验证方面的研究。2020 年，谷歌提出了一种利用机器学习设计芯片的方法，它可以被视作是登上 Nature 成果的前身。

当时，谷歌曾向 Chatterjee 博士询问这种方法可否出售或者授权给一些芯片设计公司。在回复邮件中，Chatterjee 博士表示，对论文中的一些说法持保留意见，并质疑这项技术是否经过了严格的测试。

不过这些质疑似乎并未影响到谷歌的脚步。一年之后，他们便将这一尚存在质疑的成果，投稿到了 Nature 而且成功发表。

与最初研究不同的是，登上 Nature 的论文对此前方法做了一些调整，同时还删除了两位作者的名字。因为他们曾与 Chatterjee 博士密切合作，并同样对这项成果存在疑虑。

而谷歌的骚操作到这还没完，他们还亲自示范了一遍，什么叫“规矩是死的人是活的”。

这一边，投稿到 Nature 的论文被质疑，没有严格遵循发表审批流程。谷歌和该论文的共同通讯作者 Anna D Goldie 对此回应称，因为这篇论文对此前成果的改动不大，因此不需要走完整的审批流程。

但是另一边，Chatterjee 博士开展的关于质疑这一成果的论文，最终却没通过审查。他们将反驳此方法的论文提交给了一个决议委员会，以获批发表。

结果几个月后，这篇论文被拒了。理由是：不符合标准。

据《纽约时报》披露，Chatterjee 博士团队被谷歌告知，他们是不会发表一篇质疑《Nature》成果的论文的。而且一份书面报告证明，Chatterjee 博士已经被谷歌解雇。

谷歌副总裁 Zoubin Ghahramani 对此事回应称：

我们彻底调查了那篇《Nature》论文的底稿，并坚持同行审议的结果。
同时我们也严格调查了随后提交的一份文件，它不符合我们的出版标准。

与此同时，有知情人士透露，这项成果的作者之一说“被解雇的人员骚扰她、质疑她的工作”。而“被解雇人员”的律师对此回应：他是在维护科学的完整性。

前面提到，这也不是第一次谷歌管理层与研究人员之间的冲突了。

此前最典型一次，就是谷歌 AI 伦理团队联合负责人 Timnit Gebru 解雇事件。当时这件事直接引发 1400 名谷歌员工和 1900 名 AI 学术圈人士对谷歌的行为表示谴责，并让 Jeff Dean 成为众矢之的。

据本人推文以及之后姐夫哥回应显示，核心矛盾正是双方在内部论文评审上的分歧。

在公开的邮件内容显示，她一直希望发表一篇“大语言模型存在偏见”论文，但是一直遭到上级反对。此外她在邮件中透露，谷歌对黑人这一弱势群体的不公平对待，以及对 AI 伦理的不重视。

正是因为这封邮件，被爆出“不符合谷歌管理者的期望”，因而被解雇。两个月后，AI 伦理团队另一位负责人 Margaret Mitchell，因用脚本在公司内网搜索支持 Gebru 的证据而被解雇。

又在去年 4 月，谷歌大脑创始成员之一 Samy Bengio 也离职加入苹果，不少人推测离职原因跟这件事情有关。

如今，又一位谷歌大脑成员遭解雇，一方面被认为是谷歌研究人员内部动荡的最新例证。此前，谷歌的另一大研究团队 DeepMind，也时不时爆出闹独立、与母公司闹掰等传闻。

另一方面是正如这位网友所说，整个科技行业所应对的难题：研究人员与企业之间的“适配”。

即便连谷歌这样的大厂，也没办法完全解决这一难题。从企业角度来看，当然是将科研成果快速商业化实现营收为主。但从技术人员的角度来看，任何一项科研都是件长期投入的事情，怎能容许为了短期利益而降格。

一旦遇到不适配，留给他们的只有两条路：一条是仍留在产业界，换公司或者自己创业；

比如百度首席科学家吴恩达，负责百度研究院的领导工作，尤其是 Baidu Brain 计划，但待了三年之后离职，有了自己的创业项目。

另一条则是回归学界。斯坦福大学教授李飞飞，17 年入职谷歌，成为谷歌云 AI 负责人，一年之后离职重新回到斯坦福。而这个难题对企业而言，目前还没有最优解。

参考链接：

[1]https://www.nature.com/articles/s41586-021-03544-w

[2]https://www.cnbeta.com/articles/tech/1264813.htm

[3]https://www.engadget.com/google-fires-ai-researcher-over-paper-challenge-132640478.html

[4]https://www.nytimes.com/2022/05/02/technology/google-fires-ai-researchers.html

[5]https://news.ycombinator.com/item?id=31235152

[6]https://static.poder360.com.br/2020/12/About-Googles-approach-to-research-publication.pdf

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。