人工智能已经在多个领域取得了关键进展，但它对计算机架构的影响才刚刚开始。特别是，最近的工作已经探索了更广泛的应用，以设计，优化和计算机结构的模拟。值得注意的是，基于机器学习的策略往往超越了之前最先进的分析、启发式和人工专家方法。这本书回顾了机器学习在系统范围内的模拟和运行时优化的应用，以及在许多单独的组件，如缓存/存储器，分支预测器，芯片上的网络和GPU。这本书进一步分析了当前的实践，突出有用的设计策略，并确定未来工作的领域，基于优化的实现策略，对现有工作的适当扩展，和雄心勃勃的长期可能性。综上所述，这些策略和技术为日益自动化的计算机架构设计提供了一个有前途的未来。
计算机架构已经成为设计实践中一个戏剧性转变的舞台。随着设计复杂性的增加，依赖于穷举搜索和启发式逼近的传统方法正被推到极限。这些限制，再加上摩尔定律的缓慢发展，推动了计算机架构设计的突破。在我们看来，这一突破是以基于人工智能的实用设计的形式出现的。
计算机体系结构的最先进技术已经开始反映这种有希望的新范式，越来越多的工作几乎涵盖了所有主要的体系结构组件。然而，现有的人工智能(AI)和架构设计资源往往集中在支持AI模型的新架构上，本质上是为AI设计的架构，而不是为架构设计的AI。在我们的写作过程中，我们最初试图通过文献综述来满足这一需求，其中包括简要的背景和分析。在这个过程中，我们认为这种不断增长的范式有必要提供更详细的资源，为更广泛的受众提供介绍，特别是那些渴望开始在自己的工作中试验AI的人。这本书扩展了原来的文献综述，包括明显更多的背景材料，详细的案例研究，并在整个文本的额外见解。
第一章简要介绍了架构中的人工智能，对替代设计策略的需求日益增长，以及基于人工智能的设计所提供的机会。在第二章中，我们继续发展对这些机会的直觉，同时将基本的AI原则与简要的架构例子联系起来，从而为后面的章节奠定基础。这些原则在第3章和第4章中迅速付诸实践，因为我们探索了广泛的AI在架构中的应用，然后研究了三个基于流行的AI设计方法的案例研究。这些案例研究旨在为近期使用监督学习、强化学习和无监督学习来解决具有挑战性的架构问题的工作提供更深入的见解。考虑到所有这些应用，第5章对实际考虑提供了一个更关键的视角，这可能指导未来的工作。这种分析包括高级选择，如模型选择，以及针对数据收集和训练开销的一些特定于任务的优化。本书在第6章达到高潮，我们强调了未来工作的前景。我们希望基于人工智能的设计继续蓬勃发展，本书鼓励新的从业者拥抱日益自动化的架构设计。