Novi pristup neuronalskih mreža uspješno je dizajnirao bežične čipove koji nadmašuju trenutne standarde. Iskorištavajući konvolucijsku neuronalsku mrežu (CNN), ovaj postupak analizira željene karakteristike čipa i radi unazad kako bi stvorio optimalne dizajne. Iako se puno raspravlja o umjetnoj inteligenciji može pretjerano naglašavati, ovo istraživanje je recenzirano od strane vršnjaka i dostupno u uglednom časopisu. Računalni čipovi igraju ključnu ulogu u modernom životu, napajajući sve, od vozila do pametnih telefona i uređaja za praćenje životinja. Potražnja za inovativnim dizajnom čipova dovela je do trenda korištenja tehnologije umjetne inteligencije za poboljšanje učinkovitosti. Istraživači, predvođeni elektroinženjerom Kaushikom Senguptom sa Sveučilišta Princeton, pokazuju kako umjetna inteligencija može dizajnirati i testirati nove računalne čipove, ističući da im je cilj dopuniti—ne zamijeniti—ljudsku kreativnost. Sengupta, nedavno nagrađen IEEE stipendijom za istraživanje bežičnih čipova, dijeli ovo revolucionarno djelo u multidisciplinarnom časopisu Nature Communications umjesto da ga zaštiti unutar vlastitog startupa.

Međutim, istraživački tim prepoznaje značajna ograničenja u dizajnu putem umjetne inteligencije, napominjući da ljudski inženjeri možda nikada neće potpuno razumjeti složenosti dizajna čipova koje generira AI, što ih potencijalno čini teškima za razumijevanje ili popravak. Usvajanjem filozofije obrnutog dizajna, istraživači počinju s kompliciranim detaljima i željenim ishodima, omogućujući umjetnoj inteligenciji da istražuje neobične konfiguracije koje ljudski inženjeri možda propuštaju. Korištenjem CNN-a, tim može brzo generirati inovativne dizajn paradigme koje mogu inspirirati daljnju ljudsku kreativnost. Sengupta objašnjava da tradicionalni proces dizajniranja uključuje sistematsko sastavljanje sklopova korak po korak, dok AI-ov pristup omogućuje kaotičniji i preklapajući proces dizajniranja, predstavljajući širi raspon mogućnosti. Iako AI može nadmašiti ljude u određenim zadacima, može također generirati nevjerojatne rezultate koji zahtijevaju ljudsku intervenciju. Senguptin konačni cilj je poboljšati ljudsku produktivnost, a ne zamijeniti dizajnere, omogućujući im da se fokusiraju na inovativne ideje dok AI preuzima rutinske zadatke. Spajanjem ljudske percepcije s mogućnostima AI, potencijal za proboje u dizajnu čipova je ogroman, osiguravajući da su rezultantne tehnologije i nove i accessible za buduće nadogradnje ili popravke.