AI för designgranskning: få den att bevisa
Faran med AI i kortgranskning är inte att den har fel, utan att du inte ser när. Grunda varje svar i kortet, och vägra dem den inte kan bevisa.
Hårdvaruingenjörer gör rätt i att misstro AI för kortgranskning — men inte av skälet de brukar ange. Problemet är inte felfrekvensen. Fel är osynliga. Ett fel du kan upptäcka är ett irritationsmoment; ett fel som ser korrekt ut är en potentiell respin. Faran är inte att den har fel. Det är att du inte ser när.
Ge en frontier-modell tre kondensatorer parallellt och be om summan. Flera starka modeller behandlar dem som i serie, svarar fel, och förklarar det självsäkert utan en gardering.
Hur hallucinationer ser ut i elektronik
Alla tre är rimliga och svåra att kontrollera i förbifarten. Pin-funktioner: frågad om stift 14 svarar en generisk modell från genomsnittet av många datablad, inte den här kretsens. Databladsvärden: en maxström, tröskelspänning eller timing angiven med två decimaler som inte står i det faktiska databladet. Absolut-maxvärden: ett värde felmint med en volt, så den påstådda marginalen inte finns.
Varför en större modell inte löser det
Generella modeller är tränade att producera text som låter rätt. De har inte sett ditt kort, så de svarar om liknande designer, inte om den faktiska. Att klistra in ett schema i en chatt ger resonemang ur din beskrivning, inte ur kortet. Branschsvaret — mer domändata, specialiserade agenter, orkestrering — hjälper, men utdatat är fortfarande en overifierbar gissning. Glappet sluts först när modellen kan bevisa sina svar.
Lösningen är en gräns, inte en smartare modell
Den har två halvor.
Grundning. Varje svar knyts till den faktiska designdatan: nätlistan för konnektivitet, kretsens datablad för värden, och en layoutplats. Skillnaden mellan “AI:n sa det” och “nätlistan säger det, här är raden”.
Vägran. Ett påstående som inte går att spåra till datan produceras inte. Det flaggas — inte mjukas upp, inte garderas.
Så gör Probe
Probe tillämpar granskarens regel att visa uträkningen. Över MCP (Model Context Protocol) frågar din assistent — Claude eller Copilot — det faktiska kortet i stället för att svara ur minnet. Varje fynd bär samma referenser en människa skulle ge: nätlisterad, layoutplats, databladsvärde. Fynd som inte vilar på verklig konnektivitet avvisas vid skrivgränsen, citat kontrolleras mot sin källa, och ospårbara svar flaggas.
Fältet lär modeller att veta mer. Vi hindrar dem från att påstå mer än de kan visa. AI är användbart för designgranskning först när fakta går att skilja från flytande gissningar — när varje svar kommer med sin nätlisterad, layoutplats eller databladsvärde.
Se ett AI-svar med bevis bifogat — eller läs varför ERC och DRC inte räcker.