برای یک دهه، اجرای شبکه‌های عصبی عمیق بر روی پردازنده‌های گرافیکی نحوه ساخت هوش مصنوعی را مشخص کرده است. استارتاپی به نام هوش مصنوعی غیر متعارف در حال بررسی این موضوع است که جهش بعدی در بهره وری به نوع اساسی متفاوتی از رایانه نیاز دارد، رایانه ای که در آن قوانین فیزیک مستقیماً محاسبات را انجام می دهند.

در 25 ژوئن 2026، این شرکت Un-0 را منتشر کرد، یک مولد تصویر که توسط یک سیستم شبیه سازی شده از نوسانگرهای جفت شده نیرو می گیرد. هوش مصنوعی غیر متعارف این پروژه را به عنوان نمایشی از *"زیر محاسبات فیزیکی" در حال ظهور توصیف می کند و وزن مدل، کد آموزشی و تجزیه و تحلیل فرسایش را آشکارا منتشر می کند. For more context on this story, see our ongoing artificial intelligence updates*.

انتشار به سرعت توجه جامعه توسعه دهندگان را به خود جلب کرد و به صفحه اول Hacker News رسید و بحث هایی را در مورد اینکه آیا جایگزین های موجود برای GPU-and-transformer می توانند به طور واقعی با هم رقابت کنند، برانگیخت.

مطابق با تولید تصویر معمولی در کیفیت راه اندازی آن

Un-0 به FID 6.74 در ImageNet شرطی کلاس با وضوح 64x64 می رسد. FID یا Fréchet Inception Distance یک معیار استاندارد برای کیفیت تولید تصویر است که در آن کمتر بهتر است. هوش مصنوعی غیر متعارف می‌گوید که امتیاز با کیفیت روش‌های تولید تصویر مرسوم در زمان انتشار اولیه مطابقت دارد.

این شرکت صریح است که هنوز شکافی تا مرز امروز وجود دارد. Un-0 هنوز شکاف عملکرد را به عنوان تابعی از تعداد پارامترها نسبت به مدل‌های انتشار پیشرفته نمی‌بندد. اما این تیم نتیجه را به‌عنوان اثباتی بر این مفهوم تعریف می‌کند که بارهای کاری هوش مصنوعی مدرن را می‌توان بر روی پویایی یک سیستم فیزیکی ترسیم کرد.

این شرکت در اطلاعیه خود نوشت: "تا آنجا که ما می دانیم، Un-0 قادرترین تولید کننده تصویر تا به امروز برای استفاده از شبیه سازی یک سیستم دینامیکی فیزیکی است."

چگونه جمعیتی از اسیلاتورها یک تصویر ترسیم می کنند

موتور محاسباتی Un-0 جمعیت بزرگی از نوسانگرها است که هر کدام با دیگری جفت شده‌اند، جایی که نقاط قوت جفت بین هر جفت اسیلاتور پارامترهای اولیه قابل یادگیری مدل هستند. این سیستم با استفاده از نوسان‌گرهای Kuramoto مدل‌سازی می‌شود که در آن هر نوسان‌گر با فرکانس طبیعی خودش می‌چرخد در حالی که توسط کشش هر نوسان‌گر دیگری به حرکت در می‌آید.

این شرکت یک قیاس بصری ارائه می دهد. دو مترونوم را در حال تیک تیک کنار هم روی یک میز مشترک تصویر کنید. بسته به اینکه چقدر بر یکدیگر تأثیر می‌گذارند، در قفل قرار می‌گیرند یا در مخالفت قرار می‌گیرند. مقیاس آن را از دو نوسانگر به هزاران، و جمعیت خود سازماندهی به الگوها.

ایجاد یک تصویر با Un-0 پنج مرحله را دنبال می کند. سیستم از تصادفی بودن شروع می‌کند و فاز هر نوسان‌گر را روی یک زاویه تصادفی تنظیم می‌کند، که به عنوان دانه معادل نویز یک مدل انتشار یا نمونه‌های GAN عمل می‌کند. دومین گروه کوچکتر از نوسانگرها کلاس تصویر درخواستی مانند گل مروارید یا آتشفشان را رمزگذاری می کنند و در جمعیت اصلی جفت می شوند. سپس سیستم آزاد می‌شود و به نوسانگرها اجازه می‌دهد تا روی همدیگر بکشند تا زمانی که به حالتی که توسط جفت آموخته‌شده‌شان دیکته می‌شود قرار گیرند. تصاویر در زمان مشخصی خوانده می شوند و از طریق رمزگشا ارسال می شوند.

پایان نامه 1000 برابر بازده انرژی

انگیزه عمیق تر انرژی است. هدف اعلام شده هوش مصنوعی غیر متعارف این است که هوش مصنوعی مدرن را با تقریباً 1000 برابر کمتر از نیاز ماشین های امروزی انرژی اجرا کند.

بحث این است که یک نوسانگر یک مدار فیزیکی اولیه است. یک سیستم نوسان ساز جفت شده را می توان مستقیماً در CMOS یا سایر بسترهای فیزیکی پیاده سازی کرد تا فیزیک دستگاه خود محاسبات را انجام دهد، نه شبیه سازی آن بر روی یک پردازنده معمولی. اگر قوانین فیزیک بتواند بارهای کاری هوش مصنوعی را اجرا کند، این شرکت استدلال می کند، بستر اجرا می تواند به طور اساسی با خوشه های GPU امروزی متفاوت به نظر برسد.

این شرکت به یک سلسله طولانی از ایده‌های محاسباتی مبتنی بر فیزیک، از جمله محاسبات نورومورفیک، شبکه‌های هاپفیلد، محاسبات مخزن، شبکه‌های همیلتونی و مایع، ماشین‌های موج عصبی، محاسبات ترمودینامیکی و کارهای قبلی روی نوسانگرهای Kuramoto اشاره می‌کند. همچنین یک تشابه بیولوژیکی ترسیم می‌کند: فعالیت ریتمیک و هماهنگ‌سازی در مغز فراگیر است و برای مدت‌ها فرضیه‌ای برای انجام کارهای محاسباتی، مانند اتصال ویژگی‌های توزیع شده به ادراکات منسجم، مطرح شده است.

روزهای اولیه، کد باز و دعوتنامه

هوش مصنوعی غیر متعارف واضح است که این یک شروع است تا یک محصول تمام شده. کاوش‌های فیزیکی اولیه Un-0 جدید نیست، اما این شرکت آن را به یک معیار مولد بزرگ‌تر تقسیم کرده است، تجزیه و تحلیلی از دینامیک انجام داده و نگاهی تفسیری به رفتار مدل ارائه کرده است.

با انتشار وزن‌ها و کد، تیم امیدوار است که آزمایش مدل‌های مبتنی بر پویایی فیزیکی را برای دیگران آسان‌تر کند. این شرکت می‌گوید بر این باور است که محققان می‌توانند به سرعت فراتر از Un-0 پیش بروند، و این حوزه هنوز در مراحل اولیه تلاش خود برای بازگرداندن هوش مصنوعی مدرن به دینامیک فیزیکی و رسیدن به دستاوردهای تقریباً 1000 برابری در مصرف انرژی است.

در حال حاضر، Un-0 یک مصنوع تحقیقاتی است تا جایگزینی برای مدل‌های تصویر تولیدی. اما در لحظه‌ای می‌آید که انرژی و هزینه اجرای سیستم‌های هوش مصنوعی بزرگ به یک دغدغه اصلی برای شرکت‌ها و محققان تبدیل شده است و یکی از تلاش‌های خلاقانه‌تر برای این پرسش است که آیا الگوی GPU محور تنها راه رو به جلو است یا خیر.

منبع: "معرفی Un-0: تولید تصاویر با نوسانگرهای جفت"، هوش مصنوعی غیر متعارف، 25 ژوئن 2026.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →