ادعاهای گوگل در مورد چیدمان تراشه هوش مصنوعی فوق بشری زیر ذره بین

گزارش مخصوص یک مقاله تحقیقاتی تحت رهبری گوگل منتشر شده در نیچر، که ادعا می کند نرم افزار یادگیری ماشینی می تواند تراشه های بهتری را سریعتر از انسان طراحی کند، پس از یک مطالعه جدید که نتایج آن را به چالش کشید، زیر سوال رفت.

در ژوئن 2021، گوگل ساخت سرفصل ها برای توسعه یک سیستم مبتنی بر یادگیری تقویتی که قادر به تولید خودکار پلان های ریزتراشه بهینه شده است. این طرح‌ها چیدمان بلوک‌های مدار الکترونیکی درون تراشه را تعیین می‌کنند: جایی که چیزهایی مانند هسته‌های CPU و GPU، حافظه و کنترل‌کننده‌های جانبی، در واقع روی قالب فیزیکی سیلیکونی قرار می‌گیرند.

گوگل گفت که از این نرم افزار هوش مصنوعی برای طراحی تراشه های TPU بومی خود استفاده می کند که بار کاری هوش مصنوعی را تسریع می بخشد: از یادگیری ماشینی استفاده می کند تا دیگر سیستم های یادگیری ماشینی خود را سریعتر اجرا کند. 

پلان زمین یک تراشه مهم است زیرا عملکرد پردازنده را تعیین می کند. شما می‌خواهید بلوک‌های مدارهای تراشه را با دقت مرتب کنید تا مثلاً سیگنال‌ها و داده‌ها با سرعت مطلوبی بین این مناطق پخش شوند. مهندسان معمولاً هفته ها یا ماه ها را صرف اصلاح طرح های خود می کنند تا پیکربندی بهینه را پیدا کنند. همه زیرسیستم‌های مختلف باید به شیوه‌ای خاص قرار گیرند تا تراشه‌ای تا حد امکان قدرتمند، کم مصرف و کوچک تولید کنند. 

امروزه تولید پلان کف معمولاً شامل ترکیبی از کارهای دستی و اتوماسیون با استفاده از برنامه های طراحی تراشه است. تیم گوگل به دنبال این بود که نشان دهد که رویکرد یادگیری تقویتی آن، طرح‌هایی بهتر از طرح‌هایی که فقط توسط مهندسان انسانی با استفاده از ابزارهای صنعتی ساخته می‌شوند، تولید می‌کند. نه تنها این، گوگل گفت که مدل آن کار خود را بسیار سریعتر از مهندسین که روی طرح‌بندی‌ها تکرار می‌کنند، به پایان رساند.

«علیرغم پنج دهه تحقیق، برنامه‌ریزی کف تراشه‌ها با اتوماسیون مخالفت کرده است، و نیازمند ماه‌ها تلاش شدید مهندسان طراحی فیزیکی برای تولید طرح‌بندی قابل‌تولید… در کمتر از شش ساعت، روش ما به‌طور خودکار پلان‌های تراشه‌ای را تولید می‌کند که در همه موارد برتر یا قابل مقایسه با آنچه توسط انسان تولید می‌شود. معیارهای کلیدی، کارمندان گوگل نوشت در مقاله طبیعت خود.

این تحقیق توجه جامعه اتوماسیون طراحی الکترونیکی را به خود جلب کرد، که قبلاً به سمت ترکیب الگوریتم های یادگیری ماشینی در مجموعه نرم افزارهای خود حرکت می کردند. اکنون ادعاهای گوگل در مورد مدل بهتر از انسان توسط تیمی در دانشگاه کالیفرنیا، سن دیگو (UCSD) به چالش کشیده شده است.

مزیت ناعادلانه؟

آن گروه به رهبری اندرو کاهنگ، پروفسور علوم و مهندسی کامپیوتر، ماه ها را صرف مهندسی معکوس خط لوله نقشه کشی زمین کردند که گوگل در Nature توضیح داده است. غول وب برخی از جزئیات عملکرد داخلی مدل خود را با استناد به حساسیت تجاری خودداری کرد، بنابراین UCSD مجبور شد برای تأیید یافته‌های Googler نسخه کامل خود را بسازد. ما متذکر شدیم که پروفسور کهنگ در طول فرآیند بررسی همتایان مقاله Google به عنوان داور برای Nature خدمت کرده است.

دانشگاهیان دانشگاه نهایتا کد اصلی گوگل را پیدا کردند که به آن آموزش مداری (CT) می‌گویند. مطالعه آنها، در واقع بدتر از انسان ها با استفاده از روش ها و ابزارهای صنعتی سنتی عمل کرد.

چه چیزی می تواند باعث این اختلاف شود؟ شاید بتوان گفت که تفریح ​​ناقص بود، اگرچه ممکن است توضیح دیگری نیز وجود داشته باشد. با گذشت زمان، تیم UCSD دریافت که گوگل از نرم‌افزار تجاری توسعه‌یافته توسط Synopsys، سازنده اصلی مجموعه‌های اتوماسیون طراحی الکترونیکی (EDA) استفاده کرده است تا ترتیب اولیه‌ای از گیت‌های منطقی تراشه ایجاد کند که سیستم یادگیری تقویتی غول وب آن را بهینه‌سازی کرد.

آزمایش ها نشان می دهد که داشتن اطلاعات قرارگیری اولیه می تواند به طور قابل توجهی نتایج CT را افزایش دهد

مقاله گوگل اشاره کرد که از ابزارهای نرم افزار استاندارد صنعتی و تنظیمات دستی استفاده شده است بعد از این مدل طرحی را ایجاد کرده بود، در درجه اول برای اطمینان از اینکه پردازنده همانطور که در نظر گرفته شده است کار می کند و آن را برای ساخت نهایی می کند. کارمندان گوگل استدلال کردند که این یک گام ضروری است، خواه پلان کف توسط یک الگوریتم یادگیری ماشینی ایجاد شده باشد یا توسط انسان ها با ابزارهای استاندارد، و بنابراین مدل آن شایسته اعتبار محصول نهایی بهینه شده است.

با این حال، تیم UCSD گفت که در مقاله طبیعت هیچ اشاره ای به استفاده از ابزارهای EDA نشده است پیش برای تهیه طرحی برای تکرار مدل. استدلال می‌شود که این ابزارهای Synopsys ممکن است به اندازه کافی به این مدل شروع خوبی داده باشد که قابلیت‌های واقعی سیستم هوش مصنوعی زیر سوال رود.

تیم دانشگاه در مورد استفاده از مجموعه Synopsys برای تهیه طرح‌بندی برای مدل نوشت: «این در طول بررسی مقاله مشخص نشد و در Nature ذکر نشده است. آزمایش‌ها نشان می‌دهند که داشتن اطلاعات قرارگیری اولیه می‌تواند به طور قابل توجهی نتایج CT را افزایش دهد.

طبیعت تحقیقات گوگل را بررسی می کند

از آن زمان برخی از دانشگاهیان از Nature خواسته اند که مقاله گوگل را با توجه به مطالعه UCSD بررسی کند. در ایمیل های مجله مشاهده شده توسط ثبت نام، محققان نگرانی های مطرح شده توسط پروفسور Kahng و همکارانش را برجسته کردند و این سوال را مطرح کردند که آیا مقاله گوگل گمراه کننده است یا خیر.

بیل سوارتز، مدرس ارشد تدریس مهندسی برق در دانشگاه تگزاس در دالاس، گفت که مقاله نیچر «تعداد زیادی [محققان] را در تاریکی رها کرد» زیرا نتایج مربوط به TPU های اختصاصی غول اینترنت بوده و بنابراین تأیید آن غیرممکن است.

او گفت که استفاده از نرم افزار Synopsys برای پرایم نرم افزار گوگل نیاز به بررسی دارد. همه ما فقط می خواهیم الگوریتم واقعی را بدانیم تا بتوانیم آن را بازتولید کنیم. اگر ادعاهای [گوگل] درست باشد، ما می خواهیم آن را اجرا کنیم. باید علم وجود داشته باشد، همه باید عینی باشد. اگر کار کند، کار می کند.»

طبیعت گفت ثبت نام این شرکت در حال بررسی مقاله گوگل است، اگرچه دقیقاً چیزی را که در حال بررسی است و دلیل آن را بیان نکرده است.

سخنگوی نیچر به ما گفت: «ما نمی‌توانیم به دلایل محرمانه درباره جزئیات موارد فردی اظهار نظر کنیم. با این حال، به طور کلی، وقتی نگرانی‌هایی در مورد هر مقاله منتشر شده در مجله مطرح می‌شود، ما به‌دقت آن‌ها را دنبال می‌کنیم.

این فرآیند شامل مشاوره با نویسندگان و در صورت لزوم، مشاوره گرفتن از داوران همتا و سایر کارشناسان خارجی است. هنگامی که اطلاعات کافی برای تصمیم گیری داشته باشیم، پاسخ مناسب را دنبال می کنیم و نتیجه را برای خوانندگان ما روشن می کند.

این اولین باری نیست که مجله تحقیقاتی را پس از انتشار در مورد این مطالعه انجام می دهد که مجدداً مورد بررسی قرار گرفته است. مقاله Googlers با تصحیح نویسنده که در مارس 2022 اضافه شده بود، آنلاین باقی مانده است پیوند به برخی از کدهای CT منبع باز Google برای کسانی که سعی در پیروی از روش های مطالعه دارند.

بدون پیش‌آموزش و محاسبات کافی؟

نویسندگان اصلی مقاله گوگل، آزالیا میرحسینی و آنا گلدی، گفتند که کار تیم UCSD اجرای دقیق روش آنها نیست. آنها اشاره کردند که گروه پروفسور کاهنگ نتایج بدتری به دست آوردند، زیرا آنها اصلاً مدل خود را بر روی هیچ داده ای از قبل آموزش ندادند.

یک روش مبتنی بر یادگیری اگر اجازه یادگیری از تجربه قبلی را نداشته باشد، البته بدتر خواهد بود. در مقاله Nature، ما قبل از ارزیابی موارد آزمایشی نگه‌داشته‌شده، روی 20 بلوک از قبل تمرین می‌کنیم.» این دو در بیانیه‌ای گفتند.PDF].

تیم پروفسور کاهنگ همچنین سیستم خود را با استفاده از همان مقدار قدرت محاسباتی که گوگل استفاده می‌کرد، آموزش ندادند و پیشنهاد کردند که این مرحله ممکن است به درستی انجام نشده باشد و عملکرد مدل را فلج کند. میرحسینی و گلدی همچنین گفتند که مرحله پیش پردازش با استفاده از برنامه های کاربردی EDA که به صراحت در مقاله Nature آنها توضیح داده نشده است، به اندازه کافی مهم نیست که به آن اشاره شود. 

مقاله [UCSD] بر استفاده از قرارگیری اولیه از سنتز فیزیکی تا سلول‌های استاندارد خوشه‌ای تمرکز دارد، اما این هیچ نگرانی عملی ندارد. قبل از اجرای هر روشی باید سنتز فیزیکی انجام شود. "این یک روش استاندارد در طراحی تراشه است."

با این حال، گروه UCSD، گفت: آنها مدل خود را از قبل آموزش ندادند زیرا به داده های اختصاصی Google دسترسی نداشتند. با این حال، آنها ادعا کردند که نرم افزار آنها توسط دو مهندس دیگر در غول اینترنتی تأیید شده است که آنها نیز به عنوان نویسندگان مشترک مقاله نیچر ذکر شده اند. پروفسور کهنگ مطالعه تیم خود را در سمپوزیوم بین المللی طراحی فیزیکی امسال ارائه می کند کنفرانس سهشنبه.

در همین حال، گوگل به استفاده از تکنیک های مبتنی بر یادگیری تقویتی برای تقویت TPU های خود که به طور فعال در مراکز داده آن استفاده می شود، ادامه می دهد.

Googler اخراج شده ادعا می کند که تحقیقات برای یک معامله ابر سودآور مطرح شده است

به طور جداگانه، ادعاهای مقاله Google's Nature در مورد عملکرد مافوق بشری در داخل غول اینترنت مورد مناقشه قرار گرفت. در ماه مه سال گذشته، Satrajit Chatterjee، محقق هوش مصنوعی، به دلایلی از گوگل اخراج شد. او ادعا کرد که رها شده است به این دلیل که او از مطالعه طبیعت انتقاد کرده و یافته های مقاله را به چالش کشیده است. به چاترجی همچنین گفته شد که گوگل مقاله خود را در نقد مطالعه اول منتشر نخواهد کرد.

او همچنین توسط سایر کارمندان Google متهم شد که در انتقاداتش بیش از حد عمل کرده است - برای مثال، ظاهراً به صورت شفاهی کار را به عنوان "آسیب قطار" و "آتش سوزی لاستیک" توصیف کرده است - و به دلیل رفتار ادعایی خود تحت تحقیقات منابع انسانی قرار گرفت.

Chatterjee از آن زمان به بعد از گوگل در دادگاه عالی کالیفرنیا در سانتا کلارا شکایت کرده است و ادعای فسخ نادرست آن را دارد. چاترجی از اظهار نظر درباره این داستان خودداری کرد و هر گونه تخلف را انکار کرد. میرحسینی و گلدی در اواسط سال 2022 پس از تبریر چترجی، گوگل را ترک کردند.

در شکایت خود علیه گوگل که اصلاح شد [PDFماه گذشته، وکلای Chatterjee ادعا کردند که غول وب به تجاری سازی نرم افزار تولید پلان طبقه مبتنی بر هوش مصنوعی خود با "Company S" فکر می کند، در حالی که در آن زمان در حال مذاکره برای قرارداد Google Cloud به ارزش 120 میلیون دلار با S بود. چاترجی ادعا کرد که گوگل از کاغذ پلان برای کمک به متقاعد کردن شرکت S برای اجرای این پیمان تجاری مهم حمایت کرده است.

"این مطالعه تا حدی به عنوان اولین گام به سمت تجاری سازی بالقوه با [شرکت S] انجام شد (و با منابع [شرکت S] انجام شد). چاترجی در ایمیلی به ساندار پیچای، مدیرعامل گوگل، معاون رئیس و همکار مهندسی جی، نوشت: از آنجایی که این کار در چارچوب یک معامله بزرگ بالقوه Cloud انجام شد، غیراخلاقی بود که بگوییم که ما فناوری انقلابی داریم در حالی که آزمایش‌های ما خلاف آن را نشان داد. یاگنیک و معاون تحقیقات گوگل راهول سوکتانکار که به عنوان بخشی از شکایت افشا شد.

پرونده‌های دادگاه او گوگل را به «اغراق‌نمایی» نتایج مطالعه‌اش، و «محافظت عمدی اطلاعات مادی از شرکت S برای وادار کردن آن به امضای قرارداد رایانش ابری» متهم می‌کند، که عملاً کسب‌وکار دیگر را با استفاده از فناوری مشکوک به نظر می‌آورد.

شرکت S در اسناد دادگاه به عنوان "شرکت اتوماسیون طراحی الکترونیکی" توصیف شده است. افراد آشنا به این موضوع گفتند ثبت نام شرکت S Synopsys است.

Synopsys و Google از اظهار نظر خودداری کردند. ®

آیا داستانی در دنیای هوش مصنوعی وجود دارد که بخواهید آن را به اشتراک بگذارید؟ با ما صحبت کن در اعتماد به نفس

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• منبع: https://go.theregister.com/feed/www.theregister.com/2023/03/27/google_ai_chip_paper_nature/