एक दशक से, जीपीयू पर गहरे तंत्रिका नेटवर्क को निष्पादित करने से यह परिभाषित हुआ है कि कृत्रिम बुद्धिमत्ता कैसे बनाई जाती है। अपरंपरागत एआई नामक एक स्टार्टअप यह मामला बना रहा है कि दक्षता में अगली छलांग के लिए मौलिक रूप से अलग तरह के कंप्यूटर की आवश्यकता होगी, जहां भौतिकी के नियम सीधे कंप्यूटिंग करते हैं।
25 जून, 2026 को, कंपनी ने Un-0 जारी किया, जो युग्मित ऑसिलेटर्स की सिम्युलेटेड प्रणाली द्वारा संचालित एक छवि जनरेटर है। अपरंपरागत एआई परियोजना को एक उभरते "भौतिक कंप्यूटिंग सब्सट्रेट,"" के प्रदर्शन के रूप में वर्णित करता है और यह मॉडल वजन, प्रशिक्षण कोड और एब्लेशन विश्लेषण को खुले तौर पर जारी कर रहा है। For more context on this story, see our ongoing AI news.
रिलीज़ ने तुरंत डेवलपर समुदाय का ध्यान आकर्षित किया, हैकर न्यूज़ के पहले पन्ने पर पहुंच गया और इस बारे में चर्चा छिड़ गई कि क्या GPU-और-ट्रांसफार्मर यथास्थिति के विकल्प वास्तविक रूप से प्रतिस्पर्धा कर सकते हैं।
इसकी लॉन्च गुणवत्ता पर पारंपरिक छवि पीढ़ी का मिलान
यूएन-0 64x64 रिज़ॉल्यूशन पर क्लास-कंडीशनल इमेजनेट पर एफआईडी 6.74 तक पहुंचता है। एफआईडी, या फ़्रेचेट इंसेप्शन डिस्टेंस, छवि-उत्पादन गुणवत्ता का एक मानक माप है जहां कम बेहतर है। अपरंपरागत एआई का कहना है कि स्कोर अग्रणी पारंपरिक छवि निर्माण विधियों की गुणवत्ता से उस समय मेल खाता है जब वे पहली बार प्रकाशित हुए थे।
कंपनी स्पष्ट है कि आज की सीमा में अभी भी एक अंतर है। यूएन-0 अत्याधुनिक प्रसार मॉडल के सापेक्ष पैरामीटर गिनती के एक फ़ंक्शन के रूप में प्रदर्शन अंतर को अभी तक बंद नहीं करता है। लेकिन टीम ने परिणाम को इस अवधारणा के प्रमाण के रूप में तैयार किया है कि आधुनिक एआई वर्कलोड को भौतिक प्रणाली की गतिशीलता पर मैप किया जा सकता है।
कंपनी ने अपनी घोषणा में लिखा, "हमारी जानकारी के अनुसार, भौतिक गतिशील प्रणाली के सिमुलेशन का उपयोग करने के लिए अन-0 आज तक का सबसे सक्षम छवि जनरेटर है।"
ऑसिलेटर्स की आबादी कैसे चित्र बनाती है
यूएन-0 का कंप्यूट इंजन ऑसिलेटर्स की एक बड़ी आबादी है, जिनमें से प्रत्येक एक दूसरे से जुड़ा हुआ है, जहां ऑसिलेटर्स की प्रत्येक जोड़ी के बीच युग्मन ताकत मॉडल के प्राथमिक सीखने योग्य पैरामीटर हैं। सिस्टम को कुरामोटो ऑसिलेटर्स के रूप में जाना जाता है, का उपयोग करके तैयार किया गया है, जिसमें प्रत्येक ऑसिलेटर अपनी प्राकृतिक आवृत्ति पर घूमता है, जबकि हर दूसरे ऑसिलेटर के खिंचाव से प्रेरित होता है।
कंपनी एक सहज सादृश्य प्रदान करती है। एक साझा टेबल पर अगल-बगल टिक कर रहे दो मेट्रोनोम का चित्र बनाएं। यह इस बात पर निर्भर करता है कि वे एक-दूसरे को कितनी मजबूती से प्रभावित करते हैं, वे एक-दूसरे से भिड़ जाते हैं या विरोध में उतर जाते हैं। इसे दो ऑसिलेटर से हजारों तक स्केल करें, और जनसंख्या पैटर्न में स्व-व्यवस्थित हो जाती है।
Un-0 के साथ एक छवि बनाना पाँच चरणों का पालन करता है। सिस्टम यादृच्छिकता से शुरू होता है, प्रत्येक थरथरानवाला के चरण को एक यादृच्छिक कोण पर सेट करता है, जो शोर के प्रसार मॉडल या जीएएन नमूनों के बराबर बीज के रूप में कार्य करता है। ऑसिलेटर्स का एक दूसरा, छोटा समूह अनुरोधित छवि वर्ग, जैसे डेज़ी या ज्वालामुखी, को एनकोड करता है और मुख्य आबादी में जोड़ा जाता है। सिस्टम को तब जारी किया जाता है, जब तक कि वे अपने सीखे गए युग्मन द्वारा निर्धारित स्थिति की ओर स्थिर न हो जाएं, ऑसिलेटर्स को एक-दूसरे पर खींचने की अनुमति मिलती है। छवियों को एक निश्चित समय पर पढ़ा जाता है और एक डिकोडर के माध्यम से पारित किया जाता है।
1,000x ऊर्जा-दक्षता थीसिस
गहरी प्रेरणा ऊर्जा है. अपरंपरागत AI का घोषित लक्ष्य आधुनिक AI को आज की मशीनों की आवश्यकता से लगभग 1,000 गुना कम ऊर्जा पर चलाना है।
तर्क यह है कि एक थरथरानवाला एक आदिम भौतिक सर्किट है। एक युग्मित-ऑसिलेटर प्रणाली को सीधे सीएमओएस या अन्य भौतिक सबस्ट्रेट्स में लागू किया जा सकता है ताकि पारंपरिक प्रोसेसर पर अनुकरण करने के बजाय डिवाइस की भौतिकी स्वयं गणना कर सके। कंपनी का तर्क है कि यदि भौतिकी के नियम एआई वर्कलोड को निष्पादित कर सकते हैं, तो निष्पादन सब्सट्रेट आज के जीपीयू क्लस्टर से मौलिक रूप से अलग दिख सकता है।
कंपनी भौतिकी-आधारित कंप्यूटिंग विचारों की एक लंबी श्रृंखला की ओर इशारा करती है, जिसमें न्यूरोमॉर्फिक कंप्यूटिंग, हॉपफील्ड नेटवर्क, रिजर्वायर कंप्यूटिंग, हैमिल्टनियन और लिक्विड नेटवर्क, न्यूरल वेव मशीनें, थर्मोडायनामिक कंप्यूटिंग और कुरामोटो ऑसिलेटर्स पर पूर्व कार्य शामिल हैं। यह एक जैविक समानांतर भी खींचता है: लयबद्ध गतिविधि और सिंक्रनाइज़ेशन मस्तिष्क में व्यापक हैं और लंबे समय से कम्प्यूटेशनल कार्य करने के लिए परिकल्पित किया गया है, जैसे वितरित सुविधाओं को सुसंगत धारणाओं में बांधना।
शुरुआती दिन, खुला कोड और एक निमंत्रण
अपरंपरागत एआई से स्पष्ट है कि यह एक तैयार उत्पाद के बजाय एक शुरुआत है। भौतिक आदिम यूएन-0 अन्वेषण कोई नई बात नहीं है, लेकिन कंपनी ने इसे एक बड़े जनरेटिव बेंचमार्क तक बढ़ाया है, गतिशीलता का एक संक्षिप्त विश्लेषण किया है, और मॉडल के व्यवहार पर एक व्याख्यात्मक नज़र पेश की है।
वज़न और कोड जारी करके, टीम को उम्मीद है कि दूसरों के लिए भौतिक गतिशीलता पर आधारित मॉडल के साथ प्रयोग करना आसान हो जाएगा। कंपनी का कहना है कि उसका मानना है कि शोधकर्ता तेजी से यूएन-0 से आगे बढ़ सकते हैं, और यह क्षेत्र भौतिक गतिशीलता पर आधुनिक एआई को फिर से स्थापित करने और लगभग 1,000x ऊर्जा-दक्षता लाभ तक पहुंचने के अपने प्रयास में अभी भी शुरुआती है जिसका वह पीछा कर रहा है।
अभी के लिए, Un-0 उत्पादन छवि मॉडल के लिए ड्रॉप-इन प्रतिस्थापन के बजाय एक शोध कलाकृति है। लेकिन यह ऐसे क्षण में आता है जब बड़े एआई सिस्टम को चलाने की ऊर्जा और लागत उद्यमों और शोधकर्ताओं के लिए समान रूप से एक केंद्रीय चिंता बन गई है, और यह सवाल उठाने के अधिक रचनात्मक प्रयासों में से एक का प्रतिनिधित्व करता है कि क्या जीपीयू-केंद्रित प्रतिमान ही आगे बढ़ने का एकमात्र रास्ता है।
स्रोत: "इंट्रोड्यूसिंग अन-0: जेनरेटिंग इमेजेज विद कपल्ड ऑसिलेटर्स," अपरंपरागत एआई, 25 जून, 2026।---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
