谷歌AI芯片设计能力超过人类？内部研究员发出质疑，结果遭解雇杨净明敏发自凹非寺量子位|公

杨净明敏发自凹非寺
量子位|公众号QbitAI
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。

文章图片
去年6月，谷歌在Nature上发表了一篇文章：Agraphplacementmethodologyforfastchipdesign ，其中JeffDean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。

文章图片
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。

文章图片
（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。

文章图片
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。

文章图片
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。

文章图片
这篇论文的共同通讯作者AnnaDGoldie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GoogleTPU上。

文章图片
质疑起始于2020年但在“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。

文章图片
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。