En ny tilgang til neurale netværk har med succes designet trådløse chips, der overgår nuværende standarder. Ved at udnytte et konvolutionsneutralt netværk (CNN) analyserer denne proces ønskede chipkarakteristika og arbejder baglæns for at skabe optimale designs. Selvom meget af diskursen om AI kan være overdrevet, er denne forskning peer-reviewed og åbent tilgængelig i et respekteret tidsskrift. Computerchips spiller en væsentlig rolle i det moderne liv og driver alt fra køretøjer til smartphones og dytracker. Efterspørgslen efter innovative chipdesigns har ført til en tendens, hvor AI-teknologi anvendes til at forbedre effektiviteten. Forskere, ledet af elektrotekniker Kaushik Sengupta fra Princeton University, demonstrerer, hvordan AI kan designe og teste nye computerchips, samtidig med at de understreger, at deres mål er at supplere—ikke erstatte—menneskelig kreativitet. Sengupta, som for nylig blev tildelt et IEEE-stipendium for sin forskning i trådløse chips, deler dette banebrydende arbejde i det tværfaglige tidsskrift Nature Communications i stedet for at sikre det i en proprietær start-up.

Forskningsteamet anerkender dog betydelige begrænsninger i AI-design og bemærker, at menneskelige ingeniører måske aldrig helt vil forstå kompleksiteten af AI-genererede chipdesigns, hvilket potentielt gør dem vanskelige at forstå eller reparere. Ved at adoptere en omvendt designfilosofi starter forskerne med indviklede detaljer og ønskede resultater, hvilket giver AI mulighed for at udforske ukonventionelle konfigurationer, som menneskelige ingeniører måske overser. Ved at anvende CNN'er kan teamet hurtigt generere innovative designparadigmer, der kan inspirere yderligere menneskelig kreativitet. Sengupta forklarer, at traditionelle designprocesser indebærer systematisk at samle kredsløb trin for trin, mens AI's tilgang muliggør en mere kaotisk og overlappende designproces, der præsenterer et bredere spektrum af muligheder. Selvom AI kan overgå mennesker i specifikke opgaver, kan det også generere usandsynlige resultater, der kræver menneskelig indgriben. Senguptas ultimative mål er at forbedre menneskelig produktivitet i stedet for at erstatte designere, hvilket giver dem mulighed for at fokusere på innovative ideer, mens AI håndterer mere rutinemæssige opgaver. Ved at forene menneskelig indsigt med AIs kapaciteter er potentialet for gennembrud inden for chipdesign enormt og sikrer, at de resulterende teknologier er både nye og tilgængelige for fremtidige opdateringer eller reparationer.