Les puces de conception IA peuvent-elles surpasser les humains ? L'article 'Nature' de Google a été 'giflé' par l'équipe de recherche de l'Université de Californie

Un article de recherche publié par des employés de Google dans la revue Nature affirme que les logiciels d'intelligence artificielle (IA) développés par l'entreprise peuvent concevoir des puces plus rapidement et mieux que les humains. Cette conclusion a récemment été remise en question et critiquée par des chercheurs de l’Université de Californie à San Diego (UCSD).

Dès juin 2021, Google a annoncé avoir développé un système de conception de puces IA basé sur l'apprentissage par renforcement, qui a attiré une large attention. À l'époque, la société affirmait que ce système pouvait générer automatiquement une disposition de micropuce optimisée et avait été utilisé dans la conception de puces TPU développées indépendamment par Google et avait obtenu d'excellentes performances.

La conception de puces par l'IA est-elle plus rapide et meilleure que le travail manuel ? Le journal du magazine "Nature" de Google a été remis en question

La disposition de la puce est très importante car elle détermine directement les performances. Les concepteurs doivent organiser soigneusement les blocs de circuits dans la puce afin que les signaux et les données circulent entre ces zones au rythme souhaité. Les ingénieurs passent souvent des semaines ou des mois à peaufiner leurs conceptions, en essayant de trouver la meilleure configuration pour développer des puces plus puissantes, plus économes en énergie et plus petites.

Auparavant, la disposition des puces était généralement complétée par une combinaison d'outils manuels et automatisés. L'équipe chargée des puces de Google tente de prouver que ses systèmes d'IA peuvent faire les choses mieux et plus rapidement que les ingénieurs humains.

Les employés de Google ont écrit dans le journal Nature : « Malgré 50 ans de recherche, la configuration des puces ne peut toujours pas être conçue automatiquement, ce qui nécessite des mois d'efforts minutieux de la part des ingénieurs de conception physique pour produire une configuration réalisable… alors qu'en moins de 6 heures, la configuration des puces générés automatiquement par notre système d'IA surpassaient ou étaient comparables aux dessins de conception dessinés par des humains sur toutes les mesures clés. »

Cet article a été reconnu par la communauté de l'automatisation de la conception électronique. Suite à cela, ils ont commencé à intégrer des algorithmes d'apprentissage automatique dans leurs suites logicielles. Mais une équipe de recherche de l'UCSD a mis en doute l'affirmation de Google selon laquelle les modèles d'IA peuvent surpasser les humains en termes de disposition des puces.

Dirigée par Andrew Kahng, professeur d'informatique et d'ingénierie à l'UCSD (Kahn a été réviseur pour Nature pendant le processus d'examen par les pairs de l'article de Google), l'équipe a passé plusieurs mois à examiner le travail de Google dans le magazine Nature 》 et a procédé à une ingénierie inverse de la disposition du plan d'étage décrite. dans la revue. Ils ont finalement découvert que grâce à une recréation du code original de Google (appelé dans leur étude entraînement en circuit), l'approche de Google était en réalité moins performante que celle des ingénieurs humains utilisant des méthodes et des outils industriels traditionnels.

Qu'est-ce qui cause cette différence ? L'équipe a noté que Google avait utilisé la suite EDA de Synopsys pour créer une disposition de départ des portes logiques de la puce, qui a ensuite été optimisée par le système d'apprentissage par renforcement de Google.

Google a souligné dans le document qu'une fois que le modèle a généré la mise en page, il a utilisé des outils logiciels conformes aux normes de l'industrie et des ajustements manuels, principalement pour garantir que le processeur peut fonctionner comme prévu et finalement terminer la fabrication. Google estime qu'il s'agit d'une étape nécessaire, que le plan d'étage soit créé par un algorithme d'apprentissage automatique ou par un ingénieur humain utilisant des outils standard. Ce modèle d'IA mérite donc d'être reconnu pour l'optimisation du produit final.

Cependant, l'équipe de recherche de l'UCSD a déclaré que l'article du magazine "Nature" ne mentionnait pas que les outils EDA étaient utilisés pour préparer à l'avance la disposition du modèle en vue de son amélioration. En d’autres termes, ces outils de Synopsys ont peut-être donné aux modèles d’IA un démarrage suffisamment bon pour que les véritables capacités des systèmes d’IA soient remises en question.

L'équipe universitaire a écrit à propos de l'utilisation de la suite Synopsys pour créer la mise en page du modèle : "Cela n'était pas évident lors du processus d'examen du document et n'a pas été mentionné par Nature. Les expériences que nous avons menées ont montré qu'avoir une information de localisation initiale peut améliorer considérablement résultats de l'entraînement en circuit (CT). "

Le magazine "Nature" a lancé une enquête sur l'article de Google, et Google a répondu aux questions de l'UCSD.

Depuis lors, certains chercheurs ont exhorté le magazine "Nature" à examiner Google sur la base des recherches de l'UCSD. thèse. Dans leur courrier électronique adressé à la revue, les chercheurs ont souligné les préoccupations soulevées par le professeur Kahng et ses collègues et se sont demandé si l'article de Google était trompeur.

Bill Swartz, maître de conférences en génie électrique à l'Université du Texas à Dallas, a déclaré que l'article de Nature laissait de nombreux chercheurs dans le noir car ses résultats de recherche utilisaient le TPU exclusif de Google et ne pouvaient donc pas être vérifiés.

Il a déclaré : « La collaboration utilisant le logiciel Synopsy pour optimiser le logiciel de Google doit être étudiée. Nous voulons tous simplement connaître l’algorithme réel afin de pouvoir le reproduire. Si les affirmations de Google sont correctes, alors nous espérons que cela pourra être réalisé. La conclusion de Google est scientifique et objective, alors le résultat doit être vrai et valide. »

Le magazine Nature a déclaré qu'il enquêtait sur cet article de Google. Un porte-parole de la revue a déclaré : « Pour des raisons de confidentialité, nous ne pouvons pas commenter les détails de cas individuels. Cependant, lorsque des préoccupations sont soulevées concernant un article publié dans la revue, nous enquêtons soigneusement conformément au processus établi. Ce processus implique de travailler avec Les auteurs consultent et, le cas échéant, demandent conseil à des évaluateurs et à d'autres experts externes. Une fois que nous disposons de suffisamment d'informations, nous développons la réponse la plus appropriée pour fournir aux lecteurs une compréhension claire de nos conclusions. "

Les informations montrent que ce n'est pas la bonne solution. première enquête menée par le magazine sur cette étude de Google. En mars 2022, l'article a corrigé l'auteur et ajouté des liens vers certains codes CT open source de Google pour ceux qui tentent de suivre la méthode de recherche.

Google Azalia Mirhoseini et Anna Goldie, les auteurs principaux de l'article, ont déclaré que les expériences de l'équipe de recherche de l'UCSD n'avaient pas mis en œuvre avec précision leur méthode. Ils ont souligné que les résultats obtenus par l'équipe du professeur Kahng n'étaient pas idéaux car ils n'avaient pré-entraîné leur modèle sur aucune donnée.

Le duo a déclaré dans un communiqué : "Les méthodes basées sur l'apprentissage seront bien sûr moins efficaces sans tirer les leçons des expériences antérieures. Nous nous sommes pré-entraînés avec 20 blocs de circuits avant les cas de test.

Ils ont également souligné que l'équipe de recherche du professeur Kahng était également présente." n'a pas utilisé la même puissance de calcul que Google pour entraîner son système, ce qui a peut-être également affaibli les performances de son modèle.

Mirhosini et Goldie ont également déclaré qu'ils n'avaient pas décrit clairement l'utilisation des outils EDA dans leur article paru dans Nature, car cela n'avait aucun rapport avec la situation globale et ne valait pas la peine d'être mentionné. Ils ont déclaré : « Notre recherche se concentre sur le placement initial de la synthèse physique aux blocs de circuits en cluster. La synthèse physique doit être effectuée avant d'utiliser toute méthode de placement, ce qui est une pratique standard dans la conception de puces.

Cependant, l'équipe de recherche de l'UCSD a déclaré : ils n'ont pas pré-entraîné leurs modèles car ils n'avaient pas accès aux données exclusives de Google. Dans le même temps, ils affirment que le logiciel qu’ils ont développé à cet effet a été vérifié par deux autres ingénieurs de Google, également co-auteurs de l’article Nature.

Le journal de Google a suscité une controverse au sein de l'entreprise, et les employés licenciés ont déclaré que c'était pour remporter le contrat.

Il convient de mentionner que le document publié par Google dans le magazine "Nature" a également suscité une controverse au sein de l'entreprise.

En mai de l'année dernière, Satrajit Chatterjee, chercheur en IA chez Google, a affirmé avoir été licencié par l'entreprise sans raison parce qu'il avait critiqué le document de recherche et remis en question ses conclusions. Avant son licenciement, Google avait demandé à Chatterjee de ne pas publier d'articles critiques à l'égard du journal.

Certains employés de Google l'ont dénoncé, affirmant que ses critiques allaient trop loin, comme lorsqu'il a décrit le sérieux du journal comme un "accident de train". Il a également fait l'objet d'une enquête du service des ressources humaines de Google pour ce comportement critique.

Chatterjee a ensuite poursuivi Google devant la Cour supérieure de Santa Clara en Californie, affirmant qu'il avait été licencié illégalement. Après le licenciement de Chatterjee, Mirhoseini et Goldie sont également partis à la mi-2022.

Chatterjee a modifié le mois dernier sa plainte contre Google, ses avocats affirmant que Google envisageait de commercialiser son logiciel de génération de plans d'étage basé sur l'IA avec "S Company" et négociait un accord avec S Company d'une valeur estimée à 1,2 milliard de dollars. un accord cloud d’un milliard de dollars. Chatterjee a affirmé que Google soutenait le journal principalement pour aider à convaincre la société S de signer cet important accord commercial.

Chatterjee a écrit dans un e-mail adressé aux dirigeants de Google : "Ce document est, dans une certaine mesure, la première étape prise par Google pour parvenir à une coopération avec la société S. Puisque cette recherche s'inscrit dans le contexte d'une étude potentiellement à grande échelle," fait dans le contexte d'un accord cloud, et lorsque nos tests ont montré le contraire, ils ont montré que Google agissait de manière contraire à l'éthique en possédant cette technologie révolutionnaire", a été divulgué l'e-mail dans le cadre du procès.

Dans des documents judiciaires, il a accusé Google d'avoir exagéré les résultats de ses recherches et d'avoir délibérément caché des informations importantes à la société S pour l'inciter à signer un accord cloud. En fait, il a utilisé cette technologie problématique pour inciter la société S à coopérer.

S Company est décrite dans des documents judiciaires comme une « entreprise d'automatisation de la conception électronique ». Des personnes proches du dossier ont déclaré que la société S faisait en réalité référence à Synopsys. Mais Synopsys et Google ont refusé de commenter.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!