10 年にわたり、GPU 上でディープ ニューラル ネットワークを実行することが、人工知能の構築方法を定義してきました。 Unconventional AI と呼ばれる新興企業は、効率をさらに飛躍させるには、根本的に異なる種類のコンピューター、つまり物理法則が直接計算を行うコンピューターが必要になると主張しています。
2026 年 6 月 25 日、同社は結合発振器のシミュレート システムを搭載した画像ジェネレーターである Un-0 をリリースしました。 Unconventional AI は、このプロジェクトを新興の 「物理コンピューティング基板」 のデモンストレーションであると説明しており、モデルの重み付け、トレーニング コード、およびアブレーション分析をオープンに公開しています。 この件の詳細は、AIの最新動向をご覧ください。
このリリースはすぐに開発者コミュニティの注目を集め、Hacker News のトップページに掲載され、GPU とトランスフォーマーの現状に代わるものが現実的に競合できるかどうかについての議論を巻き起こしました。
従来の画像生成に匹敵する起動品質
Un-0 は、64x64 解像度のクラス条件付き ImageNet で FID 6.74 に達します。 FID (Fréchet Inception Distance) は、画像生成品質の標準的な尺度であり、低いほど優れています。型破りな AI は、スコアが最初に公開された時点での主要な従来の画像生成方法の品質と一致すると述べています。
同社は、今日のフロンティアにはまだギャップがあることを率直に認めています。 Un-0 は、最先端の拡散モデルと比較したパラメータ数の関数としてのパフォーマンスの差をまだ埋めていません。しかしチームは、この結果を、最新の AI ワークロードを物理システムのダイナミクスにマッピングできるという概念の実証として位置づけています。
「我々の知る限り、Un-0は物理力学システムのシミュレーションを使用するためにこれまでで最も有能な画像生成装置である」と同社は発表の中で述べている。
オシレーターの母集団がどのように絵を描くか
Un-0 の計算エンジンは、それぞれが互いに結合された多数の発振器の集団であり、発振器の各ペア間の結合強度がモデルの主要な学習可能なパラメータとなります。このシステムは、いわゆる倉本発振器を使用してモデル化されており、各発振器は他のすべての発振器の引力によって微調整されながら、それぞれの固有周波数で回転します。
同社は直感的な例えを提供しています。共有テーブルの上で 2 つのメトロノームが並んで音を立てているところを想像してください。それらが互いにどれだけ強く影響し合っているかに応じて、足並みをそろえたり、対立したりすることもあります。それを 2 つのオシレーターから数千にスケールすると、母集団がパターンに自己組織化します。
Un-0 を使用してイメージを生成するには、5 つの手順に従います。システムはランダム性から開始し、すべての発振器の位相をランダムな角度に設定します。これは、拡散モデルまたは GAN サンプルのノイズと同等のシードとして機能します。 2 番目の小さな発振器グループは、デイジーや火山などの要求された画像クラスをエンコードし、主要な集団に結合されます。その後、システムが解放され、学習された結合によって決定される状態に落ち着くまで、発振器が互いに引っ張り合います。画像は一定の時間に読み出され、デコーダを通過します。
エネルギー効率 1,000 倍の理論
より深い動機はエネルギーです。型破りな AI が掲げる目標は、今日のマシンが必要とするエネルギーの約 1,000 分の 1 で最新の AI を実行することです。
主張は、発振器は原始的な物理回路であるということです。結合発振器システムは、CMOS またはその他の物理基板に直接実装できるため、従来のプロセッサーでシミュレーションするのではなく、デバイス自体の物理学によって計算が実行されます。物理法則によって AI ワークロードを実行できる場合、実行基板は現在の GPU クラスターとは根本的に異なるものになる可能性があると同社は主張しています。
同社は、ニューロモーフィック コンピューティング、ホップフィールド ネットワーク、リザーバー コンピューティング、ハミルトニアンおよび液体ネットワーク、ニューラル波動マシン、熱力学コンピューティング、倉本発振器に関する以前の研究など、物理ベースのコンピューティングのアイデアの長い系譜を指摘しています。また、これは生物学的な類似点も示しています。リズミカルな活動と同期は脳内に広く浸透しており、分散した特徴を一貫した認識に結合するなどの計算作業を実行すると長い間仮説が立てられてきました。
初期の頃、オープンコード、そして招待状
型破りな AI は、これが完成品ではなく始まりであることを明らかにしています。 Un-0 が探索する物理プリミティブは新しいものではありませんが、同社はそれをより大規模な生成ベンチマークにスケールし、ダイナミクスのアブレーション分析を実行し、モデルの動作の解釈的な外観を提供しました。
重みとコードを公開することで、チームは他の人が物理力学に基づいたモデルを簡単に実験できるようにしたいと考えています。同社は、研究者らはすぐにUn-0を超えることができると信じており、この分野は現代のAIを物理力学に再定着させ、追い求めている約1,000倍のエネルギー効率向上を達成する取り組みの初期段階にあると述べている。
現時点では、Un-0 は製品イメージ モデルのドロップイン代替品ではなく、研究成果物です。しかし、これは、大規模な AI システムを実行するエネルギーとコストが企業と研究者にとって同様の中心的な懸念事項となっているときに到来しており、GPU 中心のパラダイムが前進する唯一の方法であるかどうかを問う、より創造的な試みの 1 つを表しています。
出典: 「Introducing Un-0: Generating Images with coupled Oscillators」、Unconventional AI、2026 年 6 月 25 日。---
AIの最新情報をお届けAIの最新ニュース、分析、ブレイクスルーを一箇所で。
AIニュースをもっと読む →
