在質疑自家發表在 Nature 上的論文成果後，這位谷歌研究員被解僱了。

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 個小時內生成晶片設計圖，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）

隨後谷歌的最新迴應證實，這位研究員已於今年 3 月“因故”被解僱。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僱。

AI 晶片設計能力超過人類？

這次牽涉其中的論文，於去年 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晶片的方法。論文中表示，通過此方法，AI 只需不到 6 小時的時間，就能設計出一塊晶片；而人工往往要花費數週或數月才能做到。

具體來看，這是一種具有泛化能力的晶片佈局方法。AI 通過學習 10 萬個晶片佈局，這種方法就能自己設計出新的方案來，並且所有關鍵指標（包括功耗、效能和芯片面積）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，基於線路長度和佈線擁塞的近似代價函式進行計算。

具體來說，需要將巨集和標準單元對映到一個平面畫布上，形成具有數百萬到數十億節點的“晶片網表”。然後，AI 模型會對功率、效能和麵積 (PPA) 等進行優化，並且輸出概率分佈

下圖分別是零樣本生成和基於預訓練策略微調的效果，其中每個小矩形代表一個巨集塊。在預訓練策略中，中間留出了用於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，這種方法適用於任何型別的晶片設計，並且已經被用在生產下一代 Google TPU 上。

質疑起始於 2020 年

但在“取得重大突破”的背後，谷歌內部關於這項技術的質疑，其實從 2020 年就開始了。提出質疑的正是今年 3 月被解僱的谷歌大腦員工 ——Chatterjee 博士。

他畢業於 UC 伯克利計算機系，曾在英特爾工作過，主要從事通訊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晶片的方法，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晶片設計公司。在回覆郵件中，Chatterjee 博士表示，對論文中的一些說法持保留意見，並質疑這項技術是否經過了嚴格的測試。

不過這些質疑似乎並未影響到谷歌的腳步。一年之後，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，並同樣對這項成果存在疑慮。

而谷歌的騷操作到這還沒完，他們還親自示範了一遍，什麼叫“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 對此迴應稱，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 博士開展的關於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。

結果幾個月後，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 博士已經被谷歌解僱。

谷歌副總裁 Zoubin Ghahramani 對此事迴應稱：

我們徹底調查了那篇《Nature》論文的底稿，並堅持同行審議的結果。

同時我們也嚴格調查了隨後提交的一份檔案，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“被解僱的人員騷擾她、質疑她的工作”。而“被解僱人員”的律師對此迴應：他是在維護科學的完整性。

意見不合就解僱？

前面提到，這也不是第一次谷歌管理層與研究人員之間的衝突了。

此前最典型一次，就是谷歌 AI 倫理團隊聯合負責人 Timnit Gebru 解僱事件。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，並讓 Jeff Dean 成為眾矢之的。

據本人推文以及之後姐夫哥迴應顯示，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”，因而被解僱。兩個月後，AI 倫理團隊另一位負責人 Margaret Mitchell，因用指令碼在公司內網搜尋支援 Gebru 的證據而被解僱。

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僱，一方面被認為是谷歌研究人員內部動盪的最新例證。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，但待了三年之後離職，有了自己的創業專案。

另一條則是迴歸學界。斯坦福大學教授李飛飛，17 年入職谷歌，成為谷歌雲 AI 負責人，一年之後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。

參考連結：

[1]https://www.nature.com/articles/s41586-021-03544-w

[2]https://www.cnbeta.com/articles/tech/1264813.htm

[3]https://www.engadget.com/google-fires-ai-researcher-over-paper-challenge-132640478.html

[4]https://www.nytimes.com/2022/05/02/technology/google-fires-ai-researchers.html

[5]https://news.ycombinator.com/item?id=31235152

[6]https://static.poder360.com.br/2020/12/About-Googles-approach-to-research-publication.pdf