지난 10년 동안 GPU에서 심층 신경망을 실행함으로써 인공 지능이 구축되는 방식이 정의되었습니다. Unconventional AI라는 스타트업은 효율성의 다음 도약을 위해서는 물리학 법칙이 직접 컴퓨팅을 수행하는 근본적으로 다른 종류의 컴퓨터가 필요하다고 주장하고 있습니다.
2026년 6월 25일, 회사는 결합 발진기의 시뮬레이션 시스템으로 구동되는 이미지 생성기인 Un-0을 출시했습니다. Unconventional AI는 이 프로젝트를 신흥 "물리적 컴퓨팅 기반"의 시연으로 설명하며 모델 가중치, 훈련 코드 및 절제 분석을 공개적으로 공개합니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.
이 릴리스는 빠르게 개발자 커뮤니티의 관심을 끌었고 Hacker News의 첫 페이지에 게재되었으며 GPU 및 변환기 현상 유지에 대한 대안이 현실적으로 경쟁할 수 있는지에 대한 토론을 촉발했습니다.
실행 품질에 맞춰 기존 이미지 생성과 일치
Un-0은 64x64 해상도의 클래스 조건부 ImageNet에서 FID 6.74에 도달합니다. FID(Fréchet Inception Distance)는 낮을수록 좋은 이미지 생성 품질의 표준 척도입니다. Unconventional AI는 점수가 처음 게시 당시의 선도적인 기존 이미지 생성 방법의 품질과 일치한다고 말합니다.
회사는 오늘날의 개척지와는 아직 격차가 있다는 점을 솔직하게 밝혔습니다. Un-0은 최첨단 확산 모델에 비해 매개변수 수의 함수로서 성능 격차를 아직 해소하지 못했습니다. 그러나 팀은 결과를 최신 AI 워크로드가 물리적 시스템의 역학에 매핑될 수 있다는 개념 증명으로 구성합니다.
"우리가 아는 바로는 Un-0은 물리적 동적 시스템의 시뮬레이션을 사용하는 데 있어 현재까지 가장 유능한 이미지 생성기입니다."라고 회사는 발표했습니다.
오실레이터의 인구가 그림을 그리는 방법
Un-0의 컴퓨팅 엔진은 각각 다른 발진기와 결합된 대규모 발진기로 구성됩니다. 여기서 모든 발진기 쌍 사이의 결합 강도는 모델의 주요 학습 가능한 매개변수입니다. 이 시스템은 Kuramoto 발진기라고 알려진 것을 사용하여 모델링되었습니다. 각 발진기는 다른 모든 발진기의 당기는 힘에 의해 조금씩 움직이면서 자체 고유 주파수로 회전합니다.
회사는 직관적인 비유를 제공합니다. 공유 테이블 위에 나란히 똑딱거리는 두 개의 메트로놈을 상상해보세요. 서로에게 얼마나 강력한 영향을 미치는지에 따라 그들은 서로 얽히게 되거나 대립하게 됩니다. 발진기 2개에서 수천 개로 확장하면 인구가 패턴으로 자체 구성됩니다.
Un-0을 사용하여 이미지를 생성하는 과정은 5단계를 따릅니다. 시스템은 임의성에서 시작하여 모든 오실레이터의 위상을 임의의 각도로 설정합니다. 이는 확산 모델 또는 GAN 샘플의 노이즈와 동등한 시드 역할을 합니다. 두 번째로 작은 오실레이터 그룹은 데이지나 화산과 같은 요청된 이미지 클래스를 인코딩하고 주요 개체군에 결합됩니다. 그런 다음 시스템이 해제되어 발진기가 학습된 결합에 의해 결정된 상태에 도달할 때까지 서로를 끌어당깁니다. 이미지는 정해진 시간에 판독되어 디코더를 통과합니다.
1,000배 에너지 효율 이론
더 깊은 동기는 에너지입니다. Unconventional AI의 명시된 목표는 현재의 기계에 필요한 것보다 약 1,000배 적은 에너지로 최신 AI를 실행하는 것입니다.
논쟁은 발진기가 원시적인 물리적 회로라는 것입니다. 결합 발진기 시스템은 CMOS 또는 기타 물리적 기판에 직접 구현될 수 있으므로 기존 프로세서에서 시뮬레이션하는 대신 장치 자체의 물리학이 계산을 수행합니다. 물리학 법칙이 AI 워크로드를 실행할 수 있다면 실행 기반이 오늘날의 GPU 클러스터와 근본적으로 다르게 보일 수 있다고 회사는 주장합니다.
이 회사는 뉴로모픽 컴퓨팅, 홉필드 네트워크, 저장소 컴퓨팅, 해밀턴 및 액체 네트워크, 신경파 기계, 열역학 컴퓨팅, Kuramoto 발진기에 대한 이전 작업을 포함하여 물리학 기반 컴퓨팅 아이디어의 오랜 계보를 지적합니다. 이는 또한 생물학적 유사점을 도출합니다. 리드미컬한 활동과 동기화는 뇌에 널리 퍼져 있으며 분산된 특징을 일관된 인식으로 묶는 것과 같은 계산 작업을 수행하는 것으로 오랫동안 가정되어 왔습니다.
초기, 공개 코드 및 초대
비전통적 AI는 이것이 완성품이 아니라 시작이라는 점이 분명합니다. Un-0이 탐색하는 물리적 기본 요소는 새로운 것이 아니지만 회사는 이를 더 큰 생성적 벤치마크로 확장하고 역학에 대한 절제된 분석을 수행하고 모델 동작에 대한 해석적 시각을 제공했습니다.
팀은 가중치와 코드를 공개함으로써 다른 사람들이 물리적 역학에 기초한 모델을 더 쉽게 실험할 수 있기를 희망합니다. 회사는 연구원들이 Un-0을 빠르게 넘어설 수 있다고 믿으며, 이 분야는 물리적 역학에 현대 AI를 재위치시키고 추구하는 약 1,000배의 에너지 효율성 향상에 도달하려는 노력의 초기 단계에 있다고 말했습니다.
현재 Un-0은 프로덕션 이미지 모델을 즉시 대체하기보다는 연구 결과물입니다. 그러나 이는 대규모 AI 시스템을 실행하는 데 드는 에너지와 비용이 기업과 연구자들 모두의 중심 관심사가 된 순간에 도래했으며, GPU 중심 패러다임이 앞으로 나아갈 유일한 방법인지 의문을 제기하는 보다 창의적인 시도 중 하나를 나타냅니다.
출처: "Un-0 소개: 결합 발진기로 이미지 생성", Unconventional AI, 2026년 6월 25일.---
AI 최신 소식최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.
AI 뉴스 더 보기 →
