向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

MIT教授初创企业起诉Facebook,PyTorch核心加速技术被指抄袭

时间:2020-03-11 作者:网络整理 阅读:
近日,一份起诉书成为了深度学习社区的热点话题:Facebook 从创业公司 Neural Magic 挖来的技术人员 Zlateski 重现了今天 PyTorch 上的关键神经网络加速技术并将其开源。因为这件事,Facebook 被告上了麻省法庭。

随着深度学习的发展,深度学习框架如雨后春笋般诞生于高校和公司中。尤其是近两年,Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目,他们也一直在支持一些开源的深度学习框架。其中,作为论文实现的工具,PyTorch正在受到越来越多人的追捧 ,然而其开源的一些重要技术却被指有抄袭和泄露商业机密的嫌疑。lrIednc

近日,一份起诉书成为了深度学习社区的热点话题:Facebook 从创业公司 Neural Magic 挖来的技术人员 Zlateski 重现了今天 PyTorch 上的关键神经网络加速技术并将其开源。因为这件事,Facebook 被告上了麻省法庭。lrIednc

lrIednc

据外媒报道,AI 公司 Neural Magic 在波士顿(马萨诸塞州)地方法院,对其前技术总监 Aleksandar Zlateski 和 Facebook 提起了诉讼。lrIednc

Neural Magic 起诉 Facebook 靠着挖角 Zlateski 窃取了属于 Neural Magic 核心技术与知识产权的“专有算法”,并指责前员工 Zlateski 违反了保密协议和竞业禁止协议。lrIednc

据了解,Neural Magic于2017年由麻省理工学院(MIT)教授Nir Shavit和MIT研究科学家Alex Matveev共同创立,总部位于马萨诸塞州萨默维尔。lrIednc

Neural Magic 的核心技术之一就是方才提到的算法,该算法可使得计算机在不配备专用硬件的前提下,就能运行复杂的数学函数,并使用更大规模的数据集。lrIednc

它的软件解决方案算是“无硬件 AI 模型”中的先驱。这一软件程序可以在 CPU 上处理深度学习工作负载,不需要常用的计算专用硬件,通过安装在 CPU 上的软件使其达到媲美 GPU 的水平。lrIednc

Zlateski 是 Shavit 教授手下的一名博士后,也是第一位加入创业公司 Neural Magic 的员工,年薪 16.5 万美元,担任技术总监职位。lrIednc

作为Neural Magic的技术总监,Zlateski可以访问Neural Magic的所有商业秘密,机密,专有信息以及未来的商业计划。而且,至关重要的是,Zlateski 也是创建软件以及封装 Neural Magic 专有算法的编译器源代码的重要人物。lrIednc

Zlateski 在Neural Magic 任职近一年半后离开了公司,随后加入 Facebook,并保证新工作的内容与原公司无关。lrIednc

据称,他向这家初创公司保证,他将要开发的技术与他在Neural Magic的工作无关。Neural Magic 基于他此前和公司签订的保密协议和竞业协议选择信任 Zlateski。lrIednc

但是,2019 年 11 月,Facebook 在 GitHub 上发布并开源了包含 Neural Magic“专有算法”的编译器。lrIednc

Neural Magic表示:“这种信任放错了地方。”他声称Zlateski违反了他与该公司签署的保密和非竞争协议。lrIednc

今年1月,Neural Magic的律师致信Facebook和Zlateski,以查明有问题的出版物并要求将其删除。lrIednc

但是根据Neural Magic的说法,Facebook和Zlateski的律师“断然拒绝删除该代码或同意停止进一步使用”神经魔术公司的专有和机密信息。lrIednc

此外,Neural Magic 在诉讼中提到,在编译器算法的发行公告中,Facebook 甚至对 Zlateski 在解决算法关键难题中发挥的重要作用公开表示感谢:“团队认可并高度赞扬 Zlateski 在稀疏内核和统一代码缓存方面所做的贡献。”lrIednc

Neural Magic还担心Zlateski可能会向Facebook披露更多信息,例如“Neural Magic使用商业秘密技术来快速运行完全连接的神经网络和卷积神经网络,并加快此类网络的训练速度”。lrIednc

Neural Magic正在寻求惩罚性赔偿,并针对Zlateski和Facebook发出禁制令,禁止进一步使用Neural Magic的商业秘密。lrIednc

这家公司去年 11 月从 Comcast Ventures、NEA、Andreessen Horowitz、Pillar VC、 Amdocs 等投资机构筹集了 2000 万美元,解决方案正在出售给英伟达、AMD、华硕等企业。lrIednc

PyTorch的诞生

2017年1月,Facebook人工智能研究院(FAIR)团队在GitHub上开源了PyTorch,并迅速占领GitHub热度榜榜首。lrIednc

作为一个2017年才发布,具有先进设计理念的框架,PyTorch的历史可追溯到2002年就诞生于纽约大学的Torch。Torch使用了一种不是很大众的语言Lua作为接口。Lua简洁高效,但由于其过于小众,用的人不是很多,以至于很多人听说要掌握Torch必须新学一门语言就望而却步(其实Lua是一门比Python还简单的语言)。lrIednc

考虑到Python在计算科学领域的领先地位,以及其生态完整性和接口易用性,几乎任何框架都不可避免地要提供Python接口。终于,在2017年,Torch的幕后团队推出了PyTorch。PyTorch不是简单地封装Lua Torch提供Python接口,而是对Tensor之上的所有模块进行了重构,并新增了最先进的自动求导系统,成为当下最流行的动态图框架。lrIednc

PyTorch一经推出就立刻引起了广泛关注,并迅速在研究领域流行起来。图1-2所示为Google指数,PyTorch自发布起关注度就在不断上升,截至2017年10月18日,PyTorch的热度已然超越了其他三个框架(Caffe、MXNet和Theano),并且其热度还在持续上升中。lrIednc

lrIednc

PyTorch 和 Caffe、Theano、MXNet 的 Google 指数对比(类别为科学)lrIednc

所指技术与 Glow 有关?

究竟是哪种技术让 Neural Magic 决定与科技巨头 Facebook 对簿公堂?在起诉书中 Neural Magic 将其解释为「由公司 CEO Nir Shavit 牵头研发的,可在 CPU 中高效运行多种神经网络,而无需专用处理单元(如 GPU)的创新方法,消除了机器学习和人工智能领域的硬件壁垒。」这项技术被形容为充满价值,可让机器学习变得无处不在,并开启下一阶段 AI 研究的热潮。lrIednc

至于其价值如何,Neural Magic 公司表示因为此技术获得了 2000 万美元的融资。lrIednc

这样的形容方式让我们想到了 Facebook 试图「一统所有 AI 芯片」的深度学习编译器 Glow。在 2018 年刚推出时,Facebook 将其形容为一种帮助深度学习模型渲染成用于硬件加速的字节代码的加速方法。该编译器包括多个工具,如用来生成用于芯片特定内存配置的指令排程器、线性代数优化器、内存分配器,以及用来测试硬件准确率的基于 CPU 的推断实现。lrIednc

使用通用处理器作为 AI 算力,显然可以大大扩展人工智能应用的范围。Facebook 推出 Glow 之后很快就宣布了多家重量级芯片公司成为合作伙伴,其中包括英特尔、Marvell、高通、Esperanto 和 Cadence。lrIednc

在本次诉讼中成为被告的 Aleksandar Zlateski 在 2018 年 3 月成为了 Neural Magic 的第一名非创始成员。2019 年 11 月,原本被 Neural Magic 列为商业机密的算法被 Facebook 开源在了 GitHub 上。lrIednc

现在相关方法可能已被多家公司和机构所使用。lrIednc

诉讼中也提到,目前,Facebook 并没有理会 Neural Magic 发给公司和 Zlateski 关于删除 GitHub 发布内容的信函。在一系列信件中,Facebook 和 Zlateski 的律师表示拒绝删除代码,也不同意停止使用 Zlateski 作为 Facebook 员工时挪用的 Neural Magic 专有机密信息。lrIednc

截至今日,两家公司对此事均未置评。lrIednc

(本文综合整理自机器之心、IPLaw、CSDN博客;责编:Demi Xia)lrIednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 加速AI深度学习,BF16浮点格式应运而生 为了加速AI深度学习(DL)的效能,包括Google、英特尔和Arm等越来越多公司开始导入BF16,但这种新的浮点格式可能成为深度学习运算主流?
  • 2020:消费电子产品未来几年趋势预测 一年伊始,正是对未来做些预测的时候。作者对未来几年消费电子产品的发展趋势提出了自己的观点。他认为,深度学习、自动驾驶汽车、5G设备、处理器、电池等将会快速发展,其中深度学习会影响未来的许多应用,包括自动驾驶汽车、网络安全,甚至各国的选举。
  • 5G之后,值得关注的四大无线技术 今天,主流5G部署采用5G中频段,其折中了容量与覆盖优势,兼顾了室外与室内覆盖,并通过Massive MIMO技术进一步提升了小区容量和覆盖,让运营商可以基于现有4G站址建设一张广覆盖的5G网络。但面向未来流量成倍增长,单靠有限的中频段资源肯定是不够的,为此运营商不得不扩展到毫米波频段,但毫米波信号覆盖范围不过一两百米,根本无法从室外抵达室内,这给网络建设投资带来了空前的压力。怎么办?
  • SONY的AI新部门终于诞生! 据了解,Sony AI打算从全球各地延揽杰出AI工程人才;不过Sony尚未公布新部门将会有多少研发人员与工程师...
  • 大学理工科系对于AI浪潮的准备充分吗? 大学理工科系对于AI浪潮的准备充分吗?在专家都不一定能清楚解释神经网络如何运作的如今,如何能让学生们了解这种最新技术?
  • DeepMind的团队让AI系统绘出人脸画像,AI要抢画家饭碗了 DeepMind的团队成功以强化学习让AI系统绘出人脸画像,这是一种创造力吗?机器也要来抢艺术家们的饭碗了?
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告