The Registerによると、Googleが2021年に発表した、“AIを用いたマイクロチップ設計技術が、人間よりも優れている”と主張する論文が、新たな研究によって疑問視されているとのことだ。2021年6月、Googleは強化学習をベースにしたシステムを開発し、自動的に最適化されたマイクロチップのフロアプランを生成することに成功したと発表した。フロアプランは、チップ内の電子回路ブロックの配置を決定するもので、CPUやGPUコア、メモリや周辺コントローラがシリコンダイ上のどこに配置されるかを決める。
Googleは、このAIソフトウェアを自社開発のTPUチップ設計に使用しており、AIワークロードを高速化することを目指している。しかし、カリフォルニア大学サンディエゴ校（UCSD）のコンピューター サイエンスとエンジニアリングの教授であるAndrew Kahng氏率いる研究チームは、Googleの主張に疑問を呈しているようだ。
Kahng氏の研究チームは、Googleが発表したフロアプランニング手法を徹底的に調査し、実際には従来の業界手法を用いた人間のエンジニアによる設計と比較して劣る結果が得られたと報告している。
Kahng氏らが指摘する問題の一つは、Googleが論文で言及していないEDA（Electronic Design Automation）ツールを使用していたことだ。研究チームは、GoogleがEDAツールを使って初期配置を最適化し、その後AIシステムがさらなる最適化を行っていたと主張している。これにより、AIシステムの真の能力が疑問視されることになる。
だがこの疑問に対して、Googleの論文の筆頭著者であるAzalia Mirhoseini氏とAnna Goldie氏は、Kahng氏らUCSDチームの実装が彼らの手法を正確に再現していないと反論している。彼らは、UCSDチームがモデルを事前学習させずに評価したため、結果が悪化したと主張している。
また、UCSDチームがGoogleと同じ計算能力を用いてシステムを学習させていないことも指摘している。Mirhoseini氏とGoldie氏は、論文で明示的に説明されていなかったEDAアプリケーションを使用した前処理ステップは、言及するほど重要ではないと主張している。
これに対して、UCSDチームは、Googleの独自データにアクセスできなかったため、モデルを事前学習させなかったと説明している。UCSDの研究結果は、現在開催中のInternational Symposium on Physical Designカンファレンスで発表されている。
こうした疑義が呈された一方で、Googleは引き続き強化学習ベースの技術を用いて、データセンターで活用されているTPUを改善している。
別の話題として、Google内部でもNature誌に掲載された論文に対する疑問が提起されていた。昨年、AI研究者のSatrajit Chatterjee氏がGoogleを解雇され、彼はその原因として論文の主張に疑問を呈していたことを挙げている。彼の主張によれば、Googleは彼が同社の研究について批判した論文について、公表しないと言われたとのことだ。
Chatterjee氏は、プロジェクトに関わる同僚について、批判・嫌がらせしたと他のGoogle社員から告発され、人事調査の対象となった。Chatterjee氏はその後、カリフォルニア州サンタクララの州裁判所でGoogleを不当解雇で訴えた。Chatterjee氏はこの件に関してコメントを控えている。
彼の訴状では、Googleが商業化を検討していたAIベースのフロアプラン生成ソフトウェアと”Company S”との間で商談を行っていたと主張している。その商談は、Google Cloud取引で1億2千万ドル相当とされている。Chatterjee氏は、Googleがフロアプラン論文を強調することで、この大規模な商業契約を締結するためにCompany Sを説得しようとしたと主張している。
彼はGoogle CEOのSundar Pichai氏、エンジニアリングフェローのJay Yagnik氏、Googleリサーチの副社長Rahul Sukthankar氏に宛てたメールで、「革新的な技術を持っていると示唆することは不適切だ」と述べている。
彼の訴状は、Googleが研究結果を誇張し、「Company Sとのクラウドコンピューティング契約を結ぶために、意図的に重要な情報を隠していた」と主張している。彼は、問題のある技術を利用してGoogleが他の企業を誘惑したと言及している。
法廷文書では、Company Sは「電子設計自動化企業」と記載されている。情報に詳しい人物は、Company SがSynopsysであるとThe Registerに語っている。
SynopsysとGoogleはコメントを控えている。
The Registerの記事では、Googleが主張するAI技術の効果に疑問が投げかけられており、その真相が明らかになるまで、状況は流動的であることが示されている。最終的には、このような技術が実際に業界で採用されるかどうかは、研究がどの程度信頼性があるか、また、技術の実際の有効性がどれほど高いかによって左右される。しかし、この議論を通じて、AI技術が半導体業界における重要な役割を果たす可能性があることが示唆されている。
GoogleとUCSDの研究の間で発生した矛盾や議論は、AI技術が実際の産業応用においてどのように有益であるかに関して、進行中の学術的検証とディスカッションの重要性を強調している。今後も、AI技術を半導体業界に適用する試みが続けられるだろうが、その際には、研究結果の正確さと検証が不可欠だ。業界と学術界は、共同でAI技術の可能性と限界を評価し、効果的な実装方法を見つけることが重要となるだろう。
この事件はまた、企業が競争優位を獲得するために、研究結果をどのように使用し、そしてそれをどのように発表するかという問題にも焦点を当てている。技術イノベーションが急速に進んでいる現代社会では、企業は研究成果を正確かつ透明に報告する責任がある。
最終的に、この訴訟の結果がどうなるかは未知数だが、この事件はAI技術の導入とその影響に関して、学術界、業界、および一般の関心を引き続き高めることだろう。何が真実であるかはまだ明らかではないが、この訴訟は重要な議論を促進し、今後のAI技術開発において、倫理的かつ効果的な方法で進められることが期待される。
論文
参考文献
研究の要旨
Google Brainのマクロ配置に対する深層強化学習アプローチとそのCircuit Training（CT）実装をGitHubで公開し、透明性のある実装と評価を提供する。CTの重要な「ブラックボックス」要素をオープンソースで実装し、CTとNature論文の相違を明らかにする。オープンイネーブルメントの新しいテストケースを開発し、リリースした。CTを複数の代替マクロプレーサーと比較評価し、すべての評価フローと関連スクリプトをGitHubで公開する。私たちの実験は、学術的な混合サイズ配置ベンチマークや、アブレーションや安定性の研究にも及んでいる。NatureとCTの影響、および今後の研究の方向性についてコメントする。
コメントを残す