Es gibt die Ansicht, dass Jeff Deans Karriere äußerst beeindruckend ist und man ihm eher Vertrauen als Zweifel entgegenbringen sollte.
Es wird behauptet, dass KI für Chipdesign noch nicht vollständig bereit ist; dazu gibt es einschlägige Artikel.
Der Artikel „AI Alone Isn’t Ready for Chip Design“ weist auf die Grenzen von KI hin.
Der Artikel „That Chip Has Sailed“ kritisiert unbegründete Skepsis gegenüber KI.
Es gibt eine Diskussion darüber, den Einfluss von Googles AlphaChip auf das Chipdesign neu zu bewerten.
Es gibt Kritik an der Trainingsmethodik von AlphaChip sowie die Ansicht, dass die hohen Rechenkosten und Laufzeiten im Vergleich zu kommerziellen Lösungen nicht wettbewerbsfähig sind.
Es gibt einen weiteren Beitrag, der sich mit Gegenargumenten zu Googles AlphaChip-Algorithmus befasst.
Es gibt eine Diskussion darüber, wie große Kosten durch Fehlbesetzungen bei der Einstellung von Talenten entstehen können.
In Jeff Deans Tweet wird behauptet, dass Cheng und andere die notwendigen Schritte zur Reproduktion der Arbeit der Google-Forscher nicht befolgt hätten.
Im Circuit-Training-Repository von Google wird angegeben, dass Ergebnisse aus dem Training von Grund auf den im Paper berichteten Ergebnissen ähneln oder diese sogar übertreffen.
Es gibt die Ansicht, dass die Ergebnisse des Papers für sich genommen nicht reproduzierbar waren, da die UCSD-Gruppe mehrere Schritte rückwärts entwickeln musste, um die Resultate zu reproduzieren.
Es gibt Verwunderung darüber, warum sich diese Kontroverse in eine so emotionale und unangenehme Richtung entwickelt hat.
Es gibt die Ansicht, dass Googles endgültiger Beweis darin bestünde, bessere Chips als die Konkurrenz zu bauen, dies derzeit jedoch nicht möglich sei.
Es gibt zusätzlichen Kontext dazu, dass Jeff Dean im Zusammenhang mit AlphaChip des Betrugs und wissenschaftlichen Fehlverhaltens beschuldigt wird.
1 Kommentare
Hacker-News-Kommentare