Selama satu dekade, penerapan jaringan saraf dalam pada GPU telah menentukan bagaimana kecerdasan buatan dibangun. Sebuah startup bernama Unconventional AI menyatakan bahwa lompatan efisiensi berikutnya akan memerlukan jenis komputer yang berbeda secara fundamental, komputer yang hukum fisikanya melakukan komputasi secara langsung.
Pada tanggal 25 Juni 2026, perusahaan merilis Un-0, generator gambar yang didukung oleh sistem simulasi osilator berpasangan. AI yang tidak konvensional mendeskripsikan proyek ini sebagai demonstrasi munculnya "substrat komputasi fisik"," dan merilis bobot model, kode pelatihan, dan analisis ablasi secara terbuka. For more context on this story, see our ongoing artificial intelligence updates.
Rilis ini dengan cepat menarik perhatian komunitas pengembang, mencapai halaman depan Hacker News dan memicu diskusi tentang apakah alternatif status quo GPU dan transformator dapat bersaing secara realistis.
Mencocokkan generasi gambar konvensional dengan kualitas peluncurannya
Un-0 mencapai FID 6.74 pada ImageNet bersyarat kelas pada resolusi 64x64. FID, atau Fréchet Inception Distance, adalah ukuran standar kualitas pembuatan gambar yang mana semakin rendah semakin baik. AI yang tidak konvensional mengatakan bahwa skor tersebut sesuai dengan kualitas metode pembuatan gambar konvensional terkemuka pada saat pertama kali dipublikasikan.
Perusahaan berterus terang bahwa masih ada kesenjangan dalam hal yang ada saat ini. Un-0 belum menutup kesenjangan kinerja sebagai fungsi penghitungan parameter dibandingkan dengan model difusi canggih. Namun tim membingkai hasilnya sebagai bukti konsep bahwa beban kerja AI modern dapat dipetakan ke dalam dinamika sistem fisik.
“Sepengetahuan kami, Un-0 adalah generator gambar paling mampu hingga saat ini untuk menggunakan simulasi sistem dinamik fisik,” tulis perusahaan itu dalam pengumumannya.
Bagaimana populasi osilator menggambarkannya
Mesin komputasi Un-0 adalah populasi osilator yang besar, yang masing-masing digabungkan satu sama lain, dengan kekuatan penggandengan antara setiap pasangan osilator adalah parameter utama yang dapat dipelajari dari model tersebut. Sistem ini dimodelkan menggunakan apa yang dikenal sebagai osilator Kuramoto, di mana setiap osilator berputar pada frekuensi alaminya sendiri sambil didorong oleh tarikan osilator lainnya.
Perusahaan menawarkan analogi intuitif. Bayangkan dua metronom berdetak berdampingan pada tabel bersama. Bergantung pada seberapa kuat mereka mempengaruhi satu sama lain, mereka akan terjebak atau menjadi oposisi. Skalakan dari dua osilator menjadi ribuan, dan populasi akan mengatur dirinya sendiri ke dalam pola.
Menghasilkan gambar dengan Un-0 mengikuti lima langkah. Sistem dimulai dari keacakan, mengatur setiap fase osilator ke sudut acak, yang bertindak sebagai benih yang setara dengan derau model difusi atau sampel GAN. Kelompok osilator kedua yang lebih kecil mengkodekan kelas gambar yang diminta, seperti bunga aster atau gunung berapi, dan digabungkan ke dalam populasi utama. Sistem kemudian dilepaskan, membiarkan osilator saling menarik satu sama lain hingga mencapai keadaan yang ditentukan oleh penggandengan yang mereka pelajari. Gambar dibacakan pada waktu tertentu dan dilewatkan melalui decoder.
Tesis efisiensi energi 1.000x
Motivasi yang lebih dalam adalah energi. Sasaran AI yang tidak konvensional adalah menjalankan AI modern dengan energi yang kira-kira 1.000 kali lebih sedikit daripada yang dibutuhkan mesin saat ini.
Argumennya adalah bahwa osilator adalah rangkaian fisik primitif. Sistem osilator berpasangan dapat diimplementasikan secara langsung di CMOS atau substrat fisik lainnya sehingga fisika perangkat itu sendiri yang melakukan komputasi, bukan disimulasikan pada prosesor konvensional. Jika hukum fisika dapat mengeksekusi beban kerja AI, perusahaan berpendapat bahwa substrat eksekusi akan terlihat sangat berbeda dari cluster GPU saat ini.
Perusahaan ini menunjuk pada rangkaian panjang ide komputasi berbasis fisika, termasuk komputasi neuromorfik, jaringan Hopfield, komputasi reservoir, jaringan Hamiltonian dan Liquid, Mesin Gelombang Neural, komputasi termodinamika, dan pekerjaan sebelumnya pada osilator Kuramoto. Hal ini juga menarik persamaan biologis: aktivitas ritme dan sinkronisasi tersebar luas di otak dan telah lama dihipotesiskan untuk melakukan pekerjaan komputasi, seperti mengikat fitur-fitur yang terdistribusi ke dalam persepsi yang koheren.
Hari-hari awal, kode terbuka, dan undangan
AI yang tidak konvensional menunjukkan dengan jelas bahwa ini adalah permulaan, bukan produk jadi. Eksplorasi fisik primitif Un-0 bukanlah hal baru, namun perusahaan telah memperluasnya ke tolok ukur generatif yang lebih besar, melakukan analisis dinamika yang terabaikan, dan menawarkan pandangan interpretatif terhadap perilaku model.
Dengan merilis bobot dan kode, tim berharap dapat memudahkan orang lain bereksperimen dengan model yang didasarkan pada dinamika fisik. Perusahaan tersebut mengatakan bahwa mereka yakin para peneliti dapat dengan cepat melampaui Un-0, dan bahwa bidang ini masih dalam tahap awal dalam upayanya untuk menerapkan kembali AI modern pada dinamika fisik dan mencapai sekitar 1.000x peningkatan efisiensi energi yang mereka kejar.
Untuk saat ini, Un-0 hanyalah artefak penelitian dan bukan pengganti model gambar produksi. Namun hal ini terjadi ketika energi dan biaya menjalankan sistem AI yang besar telah menjadi perhatian utama bagi perusahaan dan peneliti, dan ini merupakan salah satu upaya kreatif untuk mempertanyakan apakah paradigma yang berpusat pada GPU adalah satu-satunya jalan ke depan.
Sumber: "Memperkenalkan Un-0: Menghasilkan Gambar dengan Osilator Berpasangan," AI Inkonvensional, 25 Juni 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
