本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

在質疑自家發表在Nature上的論文成果后，這位谷歌研究員被解雇了。

去年6月，谷歌在Nature上發表了一篇文章：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個小時內生成芯片設計圖，而且比人類設計得更好。

但這位研究員認為文章的一些論斷站不住腳，以及實驗尚未經過充分的測試。

不過他只是在內部表達了下想法，結果驗證自己觀點的論文，直接被谷歌攔截、沒能對外發表。

（網友想看預印本都看不到）

隨后谷歌的最新回應證實，這位研究員已于今年3月“因故”被解雇。

值得一提的是，這已經不是第一次谷歌員工“因言獲罪”了。

也就一年半的時間，谷歌已經傳出三位技術人員遭解雇。

AI芯片設計能力超過人類？

這次牽涉其中的論文，于去年4月13日被《Nature》接收，6月9日發表。

它主要討論了一種用深度強化學習來快速設計芯片的方法。

論文中表示，通過此方法，AI只需不到6小時的時間，就能設計出一塊芯片；而人工往往要花費數周或數月才能做到。

具體來看，這是一種具有泛化能力的芯片布局方法。

AI通過學習10萬個芯片布局，這種方法就能自己設計出新的方案來，并且所有關鍵指標（包括功耗、性能和芯片面積）都和人工設計的不相上下。

為了提高AI的學習效率，研究人員還設計了一種獎勵機制，基于線路長度和布線擁塞的近似代價函數進行計算。

具體來說，需要將宏和標準單元映射到一個平面畫布上，形成具有數百萬到數十億節點的“芯片網表”。

然后，AI模型會對功率、性能和面積(PPA) 等進行優化，并且輸出概率分布。

下圖分別是零樣本生成和基于預訓練策略微調的效果，其中每個小矩形代表一個宏塊。在預訓練策略中，中間留出了用于放置標準單元的空間。

這篇論文的共同通訊作者Anna D Goldie表示，

這種方法適用于任何類型的芯片設計，并且已經被用在生產下一代Google TPU上。

質疑起始于2020年

但在“取得重大突破”的背后，谷歌內部關于這項技術的質疑，其實從2020年就開始了。

提出質疑的正是今年3月被解雇的谷歌大腦員工——Chatterjee博士。

他畢業于UC伯克利計算機系，曾在英特爾工作過，主要從事通信協議高層建模和驗證方面的研究。

2020年，谷歌提出了一種利用機器學習設計芯片的方法，它可以被視作是登上Nature成果的前身。

當時，谷歌曾向Chatterjee博士詢問這種方法可否出售或者授權給一些芯片設計公司。

在回復郵件中，Chatterjee博士表示，對論文中的一些說法持保留意見，并質疑這項技術是否經過了嚴格的測試。

不過這些質疑似乎并未影響到谷歌的腳步。

一年之后，他們便將這一尚存在質疑的成果，投稿到了Nature而且成功發表。

與最初研究不同的是，登上Nature的論文對此前方法做了一些調整，同時還刪除了兩位作者的名字。

因為他們曾與Chatterjee博士密切合作，并同樣對這項成果存在疑慮。

而谷歌的騷操作到這還沒完，他們還親自示范了一遍，什么叫“規矩是死的人是活的”。

這一邊，投稿到Nature的論文被質疑，沒有嚴格遵循發表審批流程。

谷歌和該論文的共同通訊作者Anna D Goldie對此回應稱，因為這篇論文對此前成果的改動不大，因此不需要走完整的審批流程。

但是另一邊，Chatterjee博士開展的關于質疑這一成果的論文，最終卻沒通過審查。

他們將反駁此方法的論文提交給了一個決議委員會，以獲批發表。

結果幾個月后，這篇論文被拒了。

理由是：不符合標準。

據《紐約時報》披露，Chatterjee博士團隊被谷歌告知，他們是不會發表一篇質疑《Nature》成果的論文的。

而且一份書面報告證明，Chatterjee博士已經被谷歌解雇。

谷歌副總裁Zoubin Ghahramani對此事回應稱：

我們徹底調查了那篇《Nature》論文的底稿，并堅持同行審議的結果。

同時我們也嚴格調查了隨后提交的一份文件，它不符合我們的出版標準。

與此同時，有知情人士透露，這項成果的作者之一說“被解雇的人員騷擾她、質疑她的工作”。

而“被解雇人員”的律師對此回應：他是在維護科學的完整性。

意見不合就解雇？

前面提到，這也不是第一次谷歌管理層與研究人員之間的沖突了。

此前最典型一次，就是谷歌AI倫理團隊聯合負責人Timnit Gebru解雇事件。

當時這件事直接引發1400名谷歌員工和1900名AI學術圈人士對谷歌的行為表示譴責，并讓Jeff Dean成為眾矢之的。

據本人推文以及之后姐夫哥回應顯示，核心矛盾正是雙方在內部論文評審上的分歧。

在公開的郵件內容顯示，她一直希望發表一篇“大語言模型存在偏見”論文，但是一直遭到上級反對。

此外她在郵件中透露，谷歌對黑人這一弱勢群體的不公平對待，以及對AI倫理的不重視。

正是因為這封郵件，被爆出“不符合谷歌管理者的期望”，因而被解雇。

兩個月后，AI倫理團隊另一位負責人Margaret Mitchell，因用腳本在公司內網搜索支持Gebru的證據而被解雇。

又在去年4月，谷歌大腦創始成員之一Samy Bengio也離職加入蘋果，不少人推測離職原因跟這件事情有關。

如今，又一位谷歌大腦成員遭解雇，一方面被認為是谷歌研究人員內部動蕩的最新例證。

此前，谷歌的另一大研究團隊DeepMind，也時不時爆出鬧獨立、與母公司鬧掰等傳聞。

另一方面是正如這位網友所說，整個科技行業所應對的難題：研究人員與企業之間的“適配”。

即便連谷歌這樣的大廠，也沒辦法完全解決這一難題。

從企業角度來看，當然是將科研成果快速商業化實現營收為主。

但從技術人員的角度來看，任何一項科研都是件長期投入的事情，怎能容許為了短期利益而降格。

一旦遇到不適配，留給他們的只有兩條路：

一條是仍留在產業界，換公司或者自己創業；

比如百度首席科學家吳恩達，負責百度研究院的領導工作，尤其是Baidu Brain計劃，但待了三年之后離職，有了自己的創業項目。

另一條則是回歸學界。

斯坦福大學教授李飛飛，17年入職谷歌，成為谷歌云AI負責人，一年之后離職重新回到斯坦福。

而這個難題對企業而言，目前還沒有最優解。