AI设计的计算机芯片无法理解。

• 一个新的神经网络过程设计了无线芯片，可以胜过现有的芯片。
• 该卷积神经网络分析了所需的芯片特性，然后向后设计。
• AI新闻大部分是炒作，但这是开放访问，同行在信誉良好的期刊中审查了研究。

我们的世界一直在电脑芯片。从运行新车的芯片到帮助您的手机和计算机处理信息的芯片，再到有助于跟踪丢失动物的微芯片，现代人类生活的几乎没有被筹码触及的方面。结果，有时通过任何必要的方式，有一个巨大而始终如一的推动，以尽可能快地制造更好，更具创新性的芯片。显然，这有时意味着从人的手中拿出一部分设计控制。

一群科学家最近解释了他们放任的过程人工智能E技术（AI）设计并测试更有效的计算机芯片。普林斯顿大学Sengupta Lab的首席作者电气工程师Kaushik Sengupta最近因其无线芯片和网络研究而获得了IEEE奖学金。在围绕这篇新论文的宣传中，他谨慎地解释说，目标是补充人类生产力而不是取代人类生产力。

经过出版开放访问，同行评审研究（在多学科期刊中自然通讯）Sengupta并没有将他的发现变成创业公司的专有锁定箱，而是帮助推进了像他的团队卷积神经网络（CNNS）这样有趣的AI技术用途。同时，在这种情况下，即使对AI的开创性用途也有很大的局限性，研究团队对人类的事实很坦率工程师可以并且可能永远无法完全了解这些芯片设计的工作方式。如果人们可以理解这些芯片以维修芯片，那么它们可能是……好吧。

为了建立一种新型的芯片，研究人员以一种称为“自下而上设计”或“逆设计”的哲学开始。在硬件工程中，逆设计始于一部分的细节和所需的结果硬件。从那里开始，研究人员向后工作，以将所有结果的作品包装成功能性的技术。计算机算法不需要与人类大脑通常相同的线性或结构，因此决定芯片组件的顺序或形状对AI的顺序或形状与与人类工程师的方式相同。

实际上，研究人员说，我们对现有模板的依赖或芯片设计的形式是非常有限的。即使有了这些有限的工具，工程师也需要多年的培训和经验才能开始尝试改善无线芯片设计。权利算法，他们说，可以在几分钟之内建议新的范式。从那里开始，工程师可以将这些范式用作自己想法的创新起点。

Sengupta的团队使用了卷积神经网络（CNN）。康复的意思是过于复杂，但最初只是为了折叠，扭曲和重叠的东西。CNN的名称暗示了该程序在某些特定任务中的表现如何：在每个步骤中，计算机都可以考虑比一个更折叠和扭曲的动作人脑能。我们的芯片设计看起来非常有序，但是CNN的设计看起来混乱而斑点。

古典设计仔细放置了这些电路和电磁元素将元素逐一，以便信号以我们希望其流入芯片的方式流动。通过更改这些结构，我们结合了新属性。以前，我们有一种有限的方式，但是现在选择要大得多，Sengupta说在普林斯顿大学的声明中。

而且，他解释说，即使是最好的神经网络当AI主张不基于真理或现实的事物时，仍然存在诸如幻觉之类的问题。由于某种原因，它也可能暗示了现实生活中不可能的事情。Sengupta在声明中说，有些陷阱仍然需要人类设计师纠正。”关键是不是用工具代替人类设计师。关键是通过新工具提高生产率。人类的思想最好用于创建或发明新事物，并且可以将更为平凡的功利性工作卸载到这些工具上。”

人类设计师可能只想选择更有效但仍然可以掌握的设计。根据Sengupta的评论和这项研究的开放性质，他想象了他的CNN流程，帮助工程师在进行新设计时拥有“瞬间”。加入这两个技能可能会导致突破，这些突破仍然可以理解，更重要的是，修复或修理如果需要。

由于其透明度，这项研究将以许多AI技术从未做过的方式加入科学论述。仅此一项，这就是一个主要好处。时间会证明这些更难以理解的芯片设计是否最终为无线网络覆盖了我们的世界。