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
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。
编辑搜图
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。
编辑搜图
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。
编辑搜图
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。
编辑搜图
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。
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。
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。
编辑搜图
意见不合就解雇？
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。
编辑搜图
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。
编辑搜图
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。
