DeepMind再回应AlphaChip质疑，揭秘“内鬼”背后的！

原标题：谷歌 AlphaChip 论文再被质疑，DeepMind 驳斥都没做与训练，顺带还揪出了“内鬼”？
文章来源：人工智能学家
内容字数：23033字

AlphaChip项目的历程与质疑

2020年，DeepMind推出了AlphaChip，一个能够生成超越人类能力的深度强化学习芯片布局设计方法，并在《自然》杂志上发表了相关论文。该项目引发了芯片设计领域的广泛关注和后续研究，然而也面临了不少质疑。2024年11月，Synopsys的架构师Igor Markov对AlphaChip及其相关研究进行了元分析，提出了多项质疑，尤其集中在Cheng等人对AlphaChip方法的重新实现上。

时间线

1. **2020年4月**：AlphaChip论文的arXiv预印本发布。
2. **2020年8月**：在TPU v5e中流片了由AlphaChip生成的布局。
3. **2021年6月**：论文在《自然》杂志上正式发表。
4. **2021年9月**：在TPU v5p中流片了15种由AlphaChip生成的布局。
5. **2022年1月至7月**：DeepMind开源了AlphaChip，期间另一团队复现了相关结果。
6. **2022年10月**：在Trillium中流片了25种布局。
7. **2023年6月**：Markov发布了他的“元分析”预印本。
8. **2024年4月**：《自然》杂志完成了对DeepMind成果的调查，并支持其研究结论。

对AlphaChip的质疑

Markov及其团队的“元分析”提出了多项指控，包括可重复性差、数据污染等。然而DeepMind对此进行了反驳。他们指出，Cheng等人的研究在复现过程中存在多项错误，例如未进行预训练、计算资源不足和未达到模型收敛等。具体问题包括：

1. **未进行预训练**：Cheng等人未对强化学习方法进行预训练，导致方法性能大幅下降。
2. **计算资源不足**：使用的计算资源远低于原始论文要求，影响了结果的有效性。
3. **未训练至收敛**：模型未达到收敛标准，影响了最终指标的可靠性。
4. **测试用例旧且不具代表性**：所用测试用例基于较旧的制程节点，与DeepMind的现代设计不符。

DeepMind的回应

DeepMind强调其研究方法的开源性和可重复性，提供了完整的开源代码和数据集供外部验证。他们指出，Markov的质疑缺乏实证支持，并且在分析中未能遵循标准的机器学习实践。此外，DeepMind还对Cheng等人的方法与商业布局工具的比较提出了质疑，认为这种比较不具合理性。

总结

AlphaChip项目的推出与发展引发了芯片设计领域的重大关注，同时也面临了诸多质疑。DeepMind通过开源和透明的方式回应了这些质疑，强调其方法的有效性和可重复性。尽管存在不同的观点和研究结果，AlphaChip的持续发展和应用表明其在芯片设计中的潜力。

联系作者

文章来源：人工智能学家
作者微信：
作者简介：致力成为权威的人工智能科技媒体和前沿科技研究机构