3月28日 消息:此前，一篇由谷歌主導(dǎo)并發(fā)表在《自然》雜志上的研究論文，聲稱機(jī)器學(xué)習(xí)軟件可以比人類更快地設(shè)計(jì)出更好的芯片，不過在一項(xiàng)新的研究對其結(jié)果提出質(zhì)疑后，該論文受到了質(zhì)疑。
2021年6月，谷歌因開發(fā)基于強(qiáng)化學(xué)習(xí)的系統(tǒng)受到很大的關(guān)注，該系統(tǒng)能夠自動生成優(yōu)化的微芯片平面圖。這些計(jì)劃決定了芯片內(nèi)電子電路塊的排列:CPU和GPU內(nèi)核、內(nèi)存和外圍控制器等實(shí)際上位于物理硅芯片上。
谷歌表示，它正在使用這款人工智能軟件設(shè)計(jì)其自主研發(fā)的TPU芯片，以加速人工智能工作負(fù)載:其正在利用機(jī)器學(xué)習(xí)使其其他機(jī)器學(xué)習(xí)系統(tǒng)運(yùn)行得更快。這項(xiàng)研究得到了電子設(shè)計(jì)自動化社區(qū)的關(guān)注，他們已經(jīng)開始將機(jī)器學(xué)習(xí)算法整合到他們的軟件套件中。
如今，谷歌聲稱的比人類更好的模型受到了加州大學(xué)圣地亞哥分校（UCSD）的一個(gè)團(tuán)隊(duì)的挑戰(zhàn)。在計(jì)算機(jī)科學(xué)與工程教授安德魯·康格(Andrew kang)的帶領(lǐng)下，該團(tuán)隊(duì)花了幾個(gè)月的時(shí)間對谷歌之前的論文進(jìn)行了驗(yàn)證。這所大學(xué)的學(xué)者最終發(fā)現(xiàn)，他們自己創(chuàng)造的原始谷歌代碼進(jìn)行電路訓(xùn)練(CT)，結(jié)果實(shí)際上比使用傳統(tǒng)工業(yè)方法和工具的人類表現(xiàn)得更差。
是什么導(dǎo)致了這種差異?UCSD團(tuán)隊(duì)了解到谷歌使用了由電子設(shè)計(jì)自動化（EDA）套件的主要制造商Synopsys開發(fā)的商業(yè)軟件，創(chuàng)建了芯片邏輯門的啟動安排，然后其強(qiáng)化學(xué)習(xí)系統(tǒng)進(jìn)行優(yōu)化。谷歌論文確實(shí)提到，在模型生成布局后，使用了行業(yè)標(biāo)準(zhǔn)的軟件工具和手動調(diào)整，主要是為了確保處理器能按預(yù)期工作，并最終完成制造。谷歌人認(rèn)為，無論平面圖是由機(jī)器學(xué)習(xí)算法創(chuàng)建的，還是由人類使用標(biāo)準(zhǔn)工具創(chuàng)建的，這都是必要的一步，因此其模型值得稱贊，因?yàn)閮?yōu)化了最終產(chǎn)品。
然而，加州大學(xué)圣地亞哥分校的團(tuán)隊(duì)表示，谷歌論文中并沒有提到預(yù)先使用EDA工具來為模型迭代準(zhǔn)備布局。
對此，谷歌論文的主要作者Azalia Mirhoseini和Anna Goldie反駁表示，UCSD團(tuán)隊(duì)的工作并不是他們方法的準(zhǔn)確實(shí)現(xiàn)。他們指出，康格教授的團(tuán)隊(duì)得到的結(jié)果更差，因?yàn)樗麄兏緵]有在任何數(shù)據(jù)上預(yù)先訓(xùn)練他們的模型?？蹈窠淌诘膱F(tuán)隊(duì)也沒有使用與谷歌相同的計(jì)算能力來訓(xùn)練他們的系統(tǒng)，并表示這一步驟可能沒有正確執(zhí)行，從而削弱了模型的性能。
然而，加州大學(xué)圣地亞哥分校的研究小組表示，他們沒有預(yù)先訓(xùn)練他們的模型，因?yàn)樗麄儫o法訪問谷歌的專有數(shù)據(jù)。然而，他們聲稱，他們的軟件已經(jīng)得到了這家互聯(lián)網(wǎng)巨頭的另外兩名工程師的驗(yàn)證，這兩名工程師也是《自然》雜志論文的共同作者。
另外，一位被解雇的谷歌人工智能研究人員聲稱，這家互聯(lián)網(wǎng)巨頭的研究論文是在當(dāng)時(shí)價(jià)值1.2億美元的“一筆潛在的大型云交易”的背景下完成的。
