KI für Chipdesign: Manipulationsvorwürfe gegen Google

Mit KI will Google bessere Chips entwerfen. Forscher und ein Ex-Mitarbeiter behaupten: Die Ergebnisse wurden geschönt, um Clouddienste zu verkaufen.

Ein Bericht von Johannes Hiltscher veröffentlicht am 3. April 2023, 15:48 Uhr

KI nutzen viele Unternehmen für die Optimierung von Chips. Aber hat Google die beste? (Bild: Placidplace, Pixabay)

Besser als andere Software und Menschen: Das versprach Google 2021 für seinen KI-Algorithmus Circuit Training. Der übernimmt eine wichtige Aufgabe beim Chipdesign, die Platzierung sogenannter Makroblöcke, das sind Funktionseinheiten wie Speicher oder Recheneinheiten.

Eine Forschungsgruppe versuchte, die Ergebnisse nachzuvollziehen – wobei Googles Algorithmus deutlich schlechter abschnitt (via The Register). Der Vorwurf: Das Google-Team habe seine Ergebnisse besser dargestellt, als sie seien.

Die Platzierung ist ein immens wichtiger Schritt im Halbleiterentwurf: Von ihr hängen Größe und möglicher Takt des fertigen Silizium-Dies ab. Die Ergebnisse der später als Circuit Training veröffentlichten Software stellte das Google-Team 2021 in einem Artikel im Magazin Nature vor. Bereits die ebenfalls veröffentlichten Anmerkungen der Gutachter (PDF) aus dem Peer Review zeigen, dass diese mit mehreren Punkten unzufrieden waren.

Einerseits sei mit zu wenig anderen Werkzeugen zur Platzierung verglichen worden, andererseits wird bemängelt, dass die Trainingsdaten nicht zugänglich seien. Hier verwendete das Google-Team Makroblöcke der zweiten Generation von Googles Tensor Processing Unit (TPU).

Andrew Khang, einer der Gutachter und Professor an der University of California in San Diego (UCSD), genügten die Antworten des Google-Teams offenbar nicht. Also versuchte er mit seinem Team, die Daten nachzuvollziehen und zu vergleichen.

Open Source, aber nur ein bisschen

Herausgekommen ist eine Veröffentlichung (PDF), in der Googles KI-Algorithmus schlecht abschneidet. Anders als das Google-Team haben die Forscher drei quelloffene Chipdesigns für Fertigungsprozesse mit frei zugänglichem Process Design Kit (PDK) optimiert. Sie vergleichen zudem mit deutlich mehr Optimierern.

Obwohl Googles Code bei Github veröffentlicht ist, mussten sie einige Komponenten selbst implementieren: Zentrale Komponenten versteckt Google hinter einer API. Zudem wurde auf das Training verzichtet. Ein Grund dafür ist, dass die Trainingsdaten nicht zur Verfügung standen, zudem sehen die UCSD-Forscher es für die von ihnen erhobenen Metriken als unerheblich an. Da Reinforcement Learning genutzt wird lernt der Algorithmus aus seinen Optimierungsversuchen, braucht aber länger. In einer Antwort auf eine Anfrage von The Register machen zwei der beteiligten Google-Forscher eben dieses fehlende Training für das schlechte Abschneiden verantwortlich.

Besonders stoßen sich die UCSD-Forscher an einem Punkt, der in der Nature-Veröffentlichung nicht erwähnt wird: Googles Platzierungsalgorithmus bekommt bereits einen platzierten Entwurf als Eingabe. Der ist zwar noch nicht optimiert, gibt dem Google-Algorithmus aber gegenüber einem Entwurf ohne Platzierungsinformation einen deutlichen Vorteil.

Reaktion der Google-Forscher: Der platzierte Entwurf sei das Ergebnis des Syntheseprozesses, also der Übersetzung von der Hardwarebeschreibung in Primitive aus dem PDK. Daher habe man es nicht für erwähnenswert gehalten – dem widersprechen die neuen Daten.

Und die UCSD-Forscher sind nicht die einzigen, die dem Google-Team eine Beschönigung seiner Ergebnisse vorwerfen.