Google Brainเป็น ทีมวิจัย ปัญญาประดิษฐ์เชิงลึก ที่ทำหน้าที่เป็นสาขา AI เพียงแห่งเดียวของ Google ก่อนที่จะถูกรวมเข้าไว้ภายใต้Google AIซึ่งเป็นหน่วยงานวิจัยของ Google ที่มุ่งเน้นด้านปัญญาประดิษฐ์โดยเฉพาะ ก่อตั้งขึ้นในปี 2011 โดยผสมผสานการวิจัยการเรียนรู้ของเครื่องจักรแบบเปิดกว้างเข้ากับระบบสารสนเทศและทรัพยากรการประมวลผลขนาดใหญ่^{[ 1 ]}ได้สร้างเครื่องมือต่างๆ เช่นTensorFlowซึ่งช่วยให้บุคคลทั่วไปสามารถใช้เครือข่ายประสาทเทียมได้ และโครงการวิจัย AI ภายในหลายโครงการ^{[ 2 ]}และมีเป้าหมายเพื่อสร้างโอกาสในการวิจัยด้านการเรียนรู้ของเครื่องจักรและ การประมวล ผลภาษาธรรมชาติ^{[ 2 ]}ต่อมาได้ควบรวมเข้ากับ DeepMind ซึ่งเป็นบริษัทในเครือของ Google เดิม เพื่อก่อตั้งGoogle DeepMindในเดือนเมษายน 2023

โครงการ Google Brain เริ่มต้นในปี 2011 ในฐานะความร่วมมือด้านการวิจัยนอกเวลาระหว่างJeff Dean นักวิจัยของ Google และ Greg Corrado นักวิจัยของ Google ^{[ 3 ]} Google Brain เริ่มต้นเป็น โครงการ Google Xและประสบความสำเร็จมากจนได้รับการโอนกลับมาเป็นของ Google อีกครั้งAstro Tellerกล่าวว่า Google Brain ชำระค่าใช้จ่ายทั้งหมดของGoogle X ^{[ 4 ]}

ในเดือนมิถุนายน พ.ศ. 2555 หนังสือพิมพ์นิวยอร์กไทมส์รายงานว่าคลัสเตอร์ของโปรเซสเซอร์ 16,000 ตัว ในคอมพิวเตอร์ 1,000 เครื่อง ที่ออกแบบมาเพื่อจำลองกิจกรรมบางอย่างของสมองมนุษย์ได้ฝึกฝนตัวเองให้จดจำแมวจากภาพดิจิทัล 10 ล้านภาพที่ถ่ายจากวิดีโอYouTube ได้สำเร็จ ^{[ 3 ]}เรื่องนี้ยังได้รับการรายงานโดยสถานีวิทยุแห่งชาติ (NPR) อีกด้วย ^{[ 5 ]}

ในเดือนมีนาคม พ.ศ. 2556 Google ได้ว่าจ้างGeoffrey Hintonนักวิจัยชั้นนำใน สาขา การเรียนรู้เชิงลึกและเข้าซื้อกิจการบริษัท DNNResearch Inc. ซึ่งนำโดย Hinton Hinton กล่าวว่าเขาจะแบ่งเวลาในอนาคตระหว่างงานวิจัยในมหาวิทยาลัยและงานที่ Google ^{[ 6 ]}

ในเดือนเมษายน พ.ศ. 2566 Google Brain ได้ควบรวมกิจการกับ DeepMind ซึ่งเป็นบริษัทในเครือของ Google เพื่อก่อตั้งGoogle DeepMindซึ่งเป็นส่วนหนึ่งของความพยายามอย่างต่อเนื่องของบริษัทในการเร่งพัฒนา AI ^{[ 7 ]}

Google Brain ก่อตั้งขึ้นครั้งแรกโดยJeff Dean นักวิจัยของ Google และAndrew Ng ศาสตราจารย์รับเชิญจาก Stanford ในปี 2014 ทีมประกอบด้วยJeff Dean , Quoc V. Le , Ilya Sutskever , Alex Krizhevsky , Samy Bengioและ Vincent Vanhoucke ในปี 2017 สมาชิกในทีมประกอบด้วย Anelia Angelova, Samy Bengio , Greg Corrado, George Dahl, Michael Isard, Anjuli Kannan, Hugo Larochelle, Chris Olah, Benoit Steiner, Vincent Vanhoucke, Vijay Vasudevan และFernanda Viegas [ ^{8 ] Chris} Lattnerผู้สร้าง ภาษาโปรแกรม SwiftของAppleและบริหารทีมพัฒนาระบบขับเคลื่อนอัตโนมัติของTesla เป็นเวลาหกเดือน ได้เข้าร่วมทีม Google Brain ในเดือนสิงหาคม 2017 ^{[ 9 ]} Lattner ออกจากทีมในเดือนมกราคม 2020 และเข้าร่วมSiFive ^{[ 10 ]}

ในปี 2021 Google Brain นำโดยJeff Dean , Geoffrey HintonและZoubin Ghahramani สมาชิกคนอื่นๆ ได้แก่ Katherine Heller, Pi-Chuan Chang, Ian Simon, Jean-Philippe Vert, Nevena Lazic, Anelia Angelova, Lukasz Kaiser, Carrie Jun Cai, Eric Breck, Ruoming Pang, Carlos Riquelme, Hugo Larochelle และ David Ha ^{[ 8 ]} Samy Bengioออกจากทีมในเดือนเมษายน พ.ศ. 2564 ^{[ 11 ]}และZoubin Ghahramaniรับหน้าที่รับผิดชอบ

Google Research ประกอบด้วย Google Brain และมีสำนักงานใหญ่อยู่ที่Mountain Viewนอกจากนี้ยังมีกลุ่มสาขาในAccra , Amsterdam , Atlanta , Beijing , Berlin , Cambridge , Israel , Los Angeles , London , Montreal , Munich , New York City , Paris , Pittsburgh , Princeton , ^San Francisco , Seattle , Tokyo , TorontoและZurich [ ^{12 ]}

ในเดือนตุลาคม พ.ศ. 2559 Google Brain ได้ออกแบบการทดลองเพื่อตรวจสอบว่าโครงข่ายประสาทเทียมสามารถเรียนรู้การเข้ารหัสแบบสมมาตร ที่ปลอดภัย ได้^{[ 13 ]}ในการทดลองนี้ ได้สร้าง โครงข่ายประสาทเทียม ขึ้นมา 3 โครงข่าย ได้แก่ Alice, Bob และ Eve ^{[ 14 ]}โดยยึดตามแนวคิดของโครงข่ายปฏิปักษ์เชิงสร้างสรรค์ (GAN) เป้าหมายของการทดลองคือให้ Alice ส่งข้อความที่เข้ารหัสไปยัง Bob ซึ่ง Bob สามารถถอดรหัสได้ แต่ Eve ซึ่งเป็นฝ่ายตรงข้ามไม่สามารถถอดรหัสได้[ ^{14 ] Alice}และ Bob มีข้อได้เปรียบเหนือ Eve ตรงที่พวกเขามีคีย์ ร่วมกัน ที่ใช้ในการเข้ารหัสและถอดรหัส^{[ 13 ]}ด้วยเหตุนี้ Google Brain จึงได้แสดงให้เห็นถึงความสามารถของโครงข่ายประสาท เทียมในการเรียนรู้ การเข้ารหัสที่ปลอดภัย^{[ 13 ]}

ในเดือนกุมภาพันธ์ 2017 Google Brain ได้กำหนดวิธีการเชิงความน่าจะเป็น สำหรับการแปลงภาพที่มี ความละเอียด 8x8 เป็นความละเอียด 32x32 ^{[ 15 ] [ 16 ]}วิธีการนี้สร้างขึ้นจากแบบจำลองเชิงความน่าจะเป็นที่มีอยู่แล้วที่เรียกว่า pixelCNN เพื่อสร้างการแปลพิกเซล^{[ 17 ] [ 18 ]}

ซอฟต์แวร์ที่เสนอใช้เครือข่ายประสาท สองเครือข่าย เพื่อประมาณค่า องค์ประกอบ พิกเซลของภาพที่แปลแล้ว^{[ 16 ] [ 19 ]}เครือข่ายแรกที่เรียกว่า "เครือข่ายปรับสภาพ" จะลดขนาด ภาพ ความละเอียดสูงลงเหลือ 8x8 และพยายามสร้างการแมปจากภาพ 8x8 ดั้งเดิมไปยังภาพที่มีความละเอียดสูงกว่าเหล่านี้^{[ 16 ]}เครือข่ายอีกเครือข่ายหนึ่งที่เรียกว่า "เครือข่ายก่อนหน้า" จะใช้การแมปจากเครือข่ายก่อนหน้าเพื่อเพิ่มรายละเอียดให้กับภาพต้นฉบับ^{[ 16 ]}ภาพที่แปลแล้วที่ได้จะไม่ใช่ภาพเดียวกันที่มีความละเอียดสูงขึ้น แต่เป็นการประมาณค่าความละเอียด 32x32 โดยอิงจากภาพความละเอียดสูงที่มีอยู่^{[ 16 ]}ผลลัพธ์ของ Google Brain ชี้ให้เห็นถึงความเป็นไปได้ที่เครือข่ายประสาทจะช่วยปรับปรุงภาพ^{[ 20 ]}

Google Brain มีส่วนร่วมใน โครงการ Google Translateโดยใช้ระบบการเรียนรู้เชิงลึกแบบใหม่ที่ผสมผสานโครงข่ายประสาทเทียมเข้ากับฐานข้อมูลข้อความหลายภาษาขนาด ใหญ่ ^{[ 21 ]}ในเดือนกันยายน 2016 Google Neural Machine Translation (GNMT) ได้เปิดตัว ซึ่งเป็นกรอบการเรียนรู้แบบครบวงจรที่สามารถเรียนรู้จากตัวอย่างจำนวนมาก^{[ 21 ]}ก่อนหน้านี้ วิธีการแปลด้วยเครื่องจักรแบบอิงวลี (PBMT) ของ Google Translate จะวิเคราะห์คำต่อคำทางสถิติและพยายามจับคู่คำที่สอดคล้องกันในภาษาอื่นโดยไม่พิจารณาวลีโดยรอบในประโยค^{[ 22 ]}แต่แทนที่จะเลือกคำทดแทนสำหรับแต่ละคำในภาษาที่ต้องการ GNMT จะประเมินส่วนของคำในบริบทของประโยคที่เหลือเพื่อเลือกคำทดแทนที่แม่นยำยิ่งขึ้น^{[ 2 ]}เมื่อเทียบกับโมเดล PBMT รุ่นเก่า โมเดล GNMT มีคะแนนความคล้ายคลึงกับการแปลของมนุษย์ดีขึ้น 24% โดยมีข้อผิดพลาดลดลง 60% ^{[ 2 ] [ 21 ]} GNMT ยังแสดงให้เห็นถึงการปรับปรุงที่สำคัญสำหรับการแปลที่ยากเป็นพิเศษ เช่นภาษาจีนเป็นภาษาอังกฤษ^{[ 21 ]}

แม้ว่าการนำ GNMT มาใช้จะช่วยเพิ่มคุณภาพการแปลของ Google Translate สำหรับภาษาทดลอง แต่การสร้างการปรับปรุงดังกล่าวสำหรับภาษาทั้งหมด 103 ภาษานั้นทำได้ยากมาก เพื่อแก้ไขปัญหานี้ ทีม Google Brain จึงได้พัฒนา ระบบ GNMT หลายภาษา ซึ่งขยายจากระบบเดิมโดยทำให้สามารถแปลระหว่างหลายภาษาได้ ยิ่งไปกว่านั้น ยังช่วยให้สามารถแปลแบบ Zero-Shot Translations ซึ่งเป็นการแปลระหว่างสองภาษาที่ระบบไม่เคยเห็นมาก่อน^{[ 23 ]} Google ประกาศว่า Google Translate สามารถแปลได้โดยไม่ต้องถอดเสียง โดยใช้เครือข่ายประสาทเทียม ซึ่งหมายความว่าสามารถแปลคำพูดในภาษาหนึ่งเป็นข้อความในอีกภาษาหนึ่งได้โดยตรง โดยไม่ต้องถอดเสียงเป็นข้อความก่อน

ตามที่นักวิจัยของ Google Brain ระบุ ขั้นตอนกลางนี้สามารถหลีกเลี่ยงได้โดยใช้โครงข่ายประสาทเทียม เพื่อให้ระบบเรียนรู้สิ่งนี้ พวกเขาจึงให้ระบบฟังเสียงภาษาสเปนหลายชั่วโมงพร้อมกับข้อความภาษาอังกฤษที่สอดคล้องกัน ชั้นต่างๆ ของโครงข่ายประสาทเทียมที่จำลองสมองของมนุษย์ สามารถเชื่อมโยงส่วนที่สอดคล้องกันและจัดการรูปคลื่นเสียงจนกระทั่งแปลงเป็นข้อความภาษาอังกฤษได้^{[ 24 ]}ข้อเสียอีกประการหนึ่งของโมเดล GNMT คือทำให้เวลาในการแปลเพิ่มขึ้นแบบทวีคูณตามจำนวนคำในประโยค^{[ 2 ]}สิ่งนี้ทำให้ทีม Google Brain ต้องเพิ่มโปรเซสเซอร์อีก 2,000 ตัวเพื่อให้แน่ใจว่ากระบวนการแปลใหม่จะยังคงรวดเร็วและเชื่อถือได้^{[ 22 ]}

นักวิจัยด้านหุ่นยนต์ของ Google Brain กำลังพัฒนา เทคนิค การเรียนรู้ของเครื่องเพื่อให้หุ่นยนต์สามารถเรียนรู้ทักษะใหม่ ๆ ได้ด้วยตนเองโดยมุ่งเน้นการปรับปรุงอัลกอริธึมควบคุมหุ่นยนต์แบบดั้งเดิมที่ต้องตั้งโปรแกรมทักษะใหม่ ๆ ของหุ่นยนต์ด้วยมือ ^{[ 25 ]}พวกเขายังพยายามพัฒนาวิธีการแบ่งปันข้อมูลระหว่างหุ่นยนต์เพื่อให้หุ่นยนต์สามารถเรียนรู้ซึ่งกันและกันในระหว่างกระบวนการเรียนรู้ หรือที่เรียกว่าหุ่นยนต์บนคลาวด์ [ ^{26 ] ด้วย}เหตุนี้ Google จึงได้เปิดตัว Google Cloud Robotics Platform สำหรับนักพัฒนาในปี 2019 ซึ่งเป็นความพยายามที่จะรวมหุ่นยนต์ปัญญาประดิษฐ์และคลาวด์ เข้าด้วยกัน เพื่อเปิดใช้งานระบบอัตโนมัติของหุ่นยนต์ที่มีประสิทธิภาพผ่านหุ่นยนต์ร่วมมือที่เชื่อมต่อกับคลาวด์^{[ 26 ]}

งานวิจัยด้านหุ่นยนต์ที่ Google Brain ส่วนใหญ่มุ่งเน้นไปที่การปรับปรุงและประยุกต์ใช้อัลกอริธึมการเรียนรู้เชิงลึกเพื่อให้หุ่นยนต์สามารถทำงานให้สำเร็จได้โดยการเรียนรู้จากประสบการณ์ การจำลอง การสาธิตของมนุษย์ และ/หรือการแสดงภาพ^{[ 27 ] [ 28 ] [ 29 ] [ 30 ]}ตัวอย่างเช่น นักวิจัยของ Google Brain แสดงให้เห็นว่าหุ่นยนต์สามารถเรียนรู้ที่จะหยิบและโยนวัตถุแข็งลงในกล่องที่เลือกได้โดยการทดลองในสภาพแวดล้อมโดยไม่ต้องตั้งโปรแกรมไว้ล่วงหน้า^{[ 27 ]}ในงานวิจัยอีกชิ้นหนึ่ง นักวิจัยได้ฝึกหุ่นยนต์ให้เรียนรู้พฤติกรรมต่างๆ เช่น การเทของเหลวจากถ้วย โดยหุ่นยนต์เรียนรู้จากวิดีโอการสาธิตของมนุษย์ที่บันทึกจากหลายมุมมอง^{[ 29 ]}

นักวิจัยของ Google Brain ได้ร่วมมือกับบริษัทและสถาบันการศึกษาอื่นๆ ในการวิจัยด้านหุ่นยนต์ ในปี 2016 ทีม Google Brain ได้ร่วมมือกับนักวิจัยที่Xในการวิจัยเกี่ยวกับการเรียนรู้การประสานงานระหว่างมือและตาสำหรับการจับวัตถุด้วยหุ่นยนต์^{[ 31 ]}วิธีการของพวกเขาทำให้สามารถควบคุมหุ่นยนต์แบบเรียลไทม์เพื่อจับวัตถุใหม่ๆ พร้อมการแก้ไขตัวเองได้^{[ 31 ]}ในปี 2020 นักวิจัยจาก Google Brain, Intel AI Lab และ UC Berkeley ได้สร้างแบบจำลอง AI สำหรับหุ่นยนต์เพื่อเรียนรู้งานที่เกี่ยวข้องกับการผ่าตัด เช่น การเย็บแผล จากการฝึกอบรมด้วยวิดีโอการผ่าตัด^{[ 30 ]}

ในปี 2020 ทีม Google Brain และมหาวิทยาลัย Lilleได้นำเสนอโมเดลสำหรับการจดจำผู้พูดอัตโนมัติ ซึ่งพวกเขาเรียกว่า Interactive Speaker Recognition (ISR) โมดูล ISR สามารถจดจำผู้พูดจากรายการผู้พูดที่กำหนดได้โดยการขอคำเฉพาะของผู้ใช้เพียงไม่กี่คำ^{[ 32 ]}โมเดลนี้สามารถปรับเปลี่ยนเพื่อเลือกส่วนของคำพูดในบริบทของการฝึกอบรมการแปลงข้อความเป็นเสียงพูดได้^{[ 32 ]}นอกจากนี้ยังสามารถป้องกันผู้สร้างเสียงที่เป็นอันตรายจากการเข้าถึงข้อมูลได้อีกด้วย^{[ 32 ]}

TensorFlow เป็นไลบรารีซอฟต์แวร์โอเพนซอร์สที่ขับเคลื่อนโดย Google Brain ซึ่งช่วยให้ทุกคนสามารถใช้การเรียนรู้ของเครื่องได้โดยการจัดหาเครื่องมือในการฝึกเครือข่ายประสาทเทียมของตนเอง^{[ 2 ]}เครื่องมือนี้ถูกใช้เพื่อพัฒนาซอฟต์แวร์โดยใช้โมเดลการเรียนรู้เชิงลึกที่เกษตรกรใช้เพื่อลดปริมาณแรงงานคนในการคัดแยกผลผลิต โดยการฝึกฝนด้วยชุดข้อมูลภาพที่มนุษย์คัดแยก^{[ 2 ]}

Magenta เป็นโครงการที่ใช้ Google Brain เพื่อสร้างข้อมูลใหม่ในรูปแบบของศิลปะและดนตรี แทนที่จะจำแนกและจัดเรียงข้อมูลที่มีอยู่^{[ 2 ]} TensorFlowได้รับการอัปเดตด้วยชุดเครื่องมือสำหรับผู้ใช้เพื่อชี้นำเครือข่ายประสาทเทียมในการสร้างภาพและดนตรี^{[ 2 ]}อย่างไรก็ตาม ทีมจากมหาวิทยาลัย Valdosta Stateพบว่าAIประสบปัญหาในการจำลองเจตนาของมนุษย์ในงานศิลปะ ได้อย่างสมบูรณ์ แบบ คล้ายกับปัญหาที่พบในการแปล^{[ 2 ]}

ความสามารถในการจัดเรียงภาพของ Google Brain ถูกนำมาใช้เพื่อช่วยตรวจจับโรคบางชนิดโดยการค้นหารูปแบบที่แพทย์อาจมองไม่เห็น เพื่อให้สามารถวินิจฉัยโรคได้เร็วขึ้น^{[ 2 ]}ในระหว่างการคัดกรองมะเร็งเต้านม พบว่าวิธีนี้มีอัตราผลบวกเท็จน้อยกว่านักพยาธิวิทยาถึงหนึ่งในสี่ เนื่องจากนักพยาธิวิทยาต้องใช้เวลามากขึ้นในการตรวจสอบภาพถ่ายแต่ละภาพ และไม่สามารถจดจ่ออยู่กับงานนี้เพียงงานเดียวได้^{[ 2 ]}เนื่องจากเครือข่ายประสาทได้รับการฝึกฝนอย่างเฉพาะเจาะจงสำหรับงานเดียว จึงไม่สามารถระบุโรคอื่นๆ ที่ปรากฏในภาพถ่ายซึ่งมนุษย์สามารถมองเห็นได้ง่าย^{[ 2 ]}

สถาปัตยกรรมการเรียนรู้ เชิงลึก Transformerถูกคิดค้นโดยนักวิจัย Google Brain ในปี 2017 และอธิบายไว้ในเอกสารทางวิทยาศาสตร์Attention Is All You Need [ ^{33 ] Google}เป็นเจ้าของสิทธิบัตรสถาปัตยกรรมที่ใช้กันอย่างแพร่หลายนี้ แต่ไม่ได้บังคับใช้^{[ 34 ] [ 35 ]}

Google Brain ประกาศในปี 2022 ว่าได้สร้างโมเดลแปลงข้อความเป็นภาพ สองประเภทที่แตกต่างกัน เรียกว่า Imagen และ Parti ซึ่งแข่งขันกับDALL- E ของOpenAI ^{[ 36 ] [ 37 ]}

ต่อมาในปี 2022 โครงการนี้ได้รับการขยายไปสู่การแปลงข้อความเป็นวิดีโอ^{[ 38 ]}

การพัฒนา Imagen ถูกโอนไปยังGoogle Deepmindหลังจากการควบรวมกิจการกับ Deepmind ^{[ 39 ]}

ปัจจุบันเทคโนโลยีของโครงการ Google Brain ถูกนำไปใช้ในผลิตภัณฑ์อื่นๆ ของ Google เช่นระบบการจดจำเสียงพูดของระบบปฏิบัติการ Androidการค้นหารูปภาพสำหรับGoogle PhotosการตอบกลับอัจฉริยะในGmailและคำแนะนำวิดีโอในYouTube ^{[ 40 ] [ 41 ] [ 42 ]}

Google Brain ได้รับการเผยแพร่ในWired [ ^{43 ] [ 44 ] [ 45 ]} NPR ^[ 5 ^]และBig Think [ ^{46 ] บทความ เหล่า นี้ มีบทสัมภาษณ์กับ สมาชิก}ทีมหลัก Ray Kurzweil และ Andrew Ng และเน้นที่คำอธิบายเกี่ยวกับเป้าหมายและการใช้งานของโครงการ^{[ 43 ] [ 5 ] [ 46 ]}

ในเดือนธันวาคม 2020 Timnit Gebru นักจริยธรรม AI ได้ออกจาก Google ^{[ 47 ]}แม้ว่าลักษณะที่แน่ชัดของการลาออกหรือถูกไล่ออกของเธอจะเป็นที่ถกเถียงกัน แต่สาเหตุของการลาออกคือการที่เธอปฏิเสธที่จะถอนบทความเรื่อง " เกี่ยวกับอันตรายของนกแก้วสุ่ม: โมเดลภาษาจะใหญ่เกินไปได้หรือไม่? " และคำขาดที่เกี่ยวข้องที่เธอได้กำหนดเงื่อนไขที่จะต้องปฏิบัติตาม มิฉะนั้นเธอจะลาออก^{[ 47 ]}บทความนี้สำรวจความเสี่ยงที่อาจเกิดขึ้นจากการเติบโตของ AI เช่น Google Brain รวมถึงผลกระทบต่อสิ่งแวดล้อม อคติในข้อมูลการฝึกอบรม และความสามารถในการหลอกลวงสาธารณชน^{[ 47 ] [ 48 ]}คำขอให้ถอนบทความดังกล่าวมาจาก Megan Kacholia รองประธานของ Google Brain ^{[ 49 ]}ณ เดือนเมษายน 2021 พนักงานปัจจุบันหรืออดีตของ Google และผู้สนับสนุนในอุตสาหกรรมเกือบ 7,000 คนได้ลงนามในจดหมายเปิดผนึกกล่าวหา Google ว่า "เซ็นเซอร์งานวิจัย" และประณามการปฏิบัติต่อ Gebru ในบริษัท^{[ 50 ]}

ในเดือนกุมภาพันธ์ 2021 Google ได้ไล่ Margaret Mitchellหนึ่งในผู้นำทีมจริยธรรม AI ของบริษัทออก^{[ 49 ]}แถลงการณ์ของบริษัทระบุว่า Mitchell ละเมิดนโยบายของบริษัทโดยใช้เครื่องมืออัตโนมัติเพื่อค้นหาการสนับสนุน Gebru ^{[ 49 ]}ในเดือนเดียวกันนั้น วิศวกรนอกทีมจริยธรรมเริ่มลาออก โดยอ้างว่าการเลิกจ้าง Gebru เป็นเหตุผลในการลาออก^{[ 51 ]} ในเดือนเมษายน 2021 Samy Bengioผู้ร่วมก่อตั้ง Google Brain ประกาศลาออกจากบริษัท [ 11 ^]แม้จะเป็นผู้จัดการของ Gebru แต่ Bengio ไม่ได้รับแจ้งก่อนการเลิกจ้าง และเขาได้โพสต์ข้อความสนับสนุนทั้งเธอและ Mitchell ทางออนไลน์^{[ 11 ] ในขณะที่การประกาศของ Bengio เน้นไปที่การ เติบโตส่วน}บุคคลเป็นเหตุผลในการลาออก แหล่งข่าวที่ไม่เปิดเผยชื่อระบุกับ Reuters ว่าความวุ่นวายภายในทีมจริยธรรม AI มีส่วนในการพิจารณาของเขา^{[ 11 ]}

ในเดือนมีนาคม พ.ศ. 2565 Google ได้ไล่ Satrajit Chatterjee ^{[ 52 ] [ 53 ]} นักวิจัย AI ออก หลังจากที่เขาตั้งคำถาม^{[ 54 ]}เกี่ยวกับผลการค้นพบของบทความ^{[ 55 ]}ที่ตีพิมพ์ในNatureโดย Google AI ซึ่งอ้างว่าเทคนิค AI ของพวกเขา (โดยเฉพาะการเรียนรู้แบบเสริมแรง) สำหรับปัญหาการจัดวางวงจรรวมนั้นเหนือกว่าวิธีการก่อนหน้า อย่างไรก็ตาม ข้ออ้างนี้ถูกโต้แย้งเนื่องจากผลลัพธ์ที่อ้าง โดยเฉพาะการออกแบบชิปที่รวดเร็วไม่ได้รับการสนับสนุนอย่างเหมาะสมด้วยข้อมูลเชิงประจักษ์ที่เฉพาะเจาะจงและพบว่าไม่สอดคล้องกับการวิจัยที่ตีพิมพ์ในภายหลัง^{[ 56 ] [ 57 ] [ 58 ]}บทความดังกล่าวไม่ได้รายงานเวลาการทำงานของวิธีการก่อนหน้าและวิธีการที่เสนอในอินพุตเฉพาะ ขาดการเปรียบเทียบแบบตัวต่อตัวกับการใช้งานขั้นสูงที่เพียงพอของวิธีการก่อนหน้า และยากที่จะทำซ้ำเนื่องจากข้อมูลการฝึกอบรมและการทดสอบที่เป็นกรรมสิทธิ์^{[ 57 ]}อย่างน้อยหนึ่งความคิดเห็นที่เห็นด้วยในตอนแรกถูกถอนออกหลังจากการตรวจสอบเพิ่มเติม^{[ 59 ]}และมีรายงานว่าบทความดังกล่าวอยู่ระหว่างการตรวจสอบโดยบรรณาธิการของ Nature ^{[ 60 ]}ในการฟ้องร้องคัดค้านการไล่ออกของเขา Chatterjee อ้างว่า บทความใน Natureยกย่องเทคโนโลยีของ Google เกินจริง Google ยื่นคำร้องขอให้ยกฟ้อง แต่ศาลตัดสินว่า Chatterjee ได้ "สนับสนุนข้อกล่าวอ้างของเขาอย่างเพียงพอว่า Google เลิกจ้างเขาเพื่อเป็นการตอบโต้ที่เขาปฏิเสธที่จะเข้าร่วมในกิจกรรมที่จะละเมิดกฎหมายของรัฐหรือรัฐบาลกลาง" ^{[ 61 ] [ 62 ]}

Natureได้ตีพิมพ์ภาคผนวกในเดือนกันยายน พ.ศ. 2567 โดยวิศวกรของ Google ได้ชี้แจงวิธีการของพวกเขา และประกาศว่าพวกเขาได้เปิดเผยซอร์สโค้ดของคลังซอฟต์แวร์เพื่อจำลองวิธีการ (แต่ไม่ใช่ข้อมูลที่เป็นกรรมสิทธิ์ของตัวอย่าง) ที่อธิบายไว้ในเอกสารของพวกเขา^{[ 63 ]} อย่างไรก็ตาม สิ่งนี้ไม่ได้ยุติข้อโต้แย้งเกี่ยวกับว่าเทคนิคที่เสนอเป็นความก้าวหน้าเหนือวิธีการที่มีอยู่แล้วหรือไม่ โดยเฉพาะอย่างยิ่ง Google ไม่ได้แสดงผลลัพธ์เปรียบเทียบในเกณฑ์มาตรฐานที่เปิดเผยต่อสาธารณะ ซึ่งเป็นมาตรฐานในสาขานี้และเป็นหลักฐานที่ผู้เชี่ยวชาญร้องขอมานาน^{[ 64 ] [ 65 ]}

• ศิลปะปัญญาประดิษฐ์
• คำศัพท์เฉพาะทางด้านปัญญาประดิษฐ์
• รายชื่อโครงการปัญญาประดิษฐ์
• โนอสเฟียร์
• ห้องปฏิบัติการปัญญาประดิษฐ์ควอนตัม – ดำเนินการโดย Google ร่วมกับ NASA และสมาคมวิจัยอวกาศแห่งมหาวิทยาลัย