Selama sedekad, melaksanakan rangkaian saraf dalam pada GPU telah menentukan cara kecerdasan buatan dibina. Permulaan yang dipanggil Unconventional AI membuat kes bahawa lonjakan kecekapan seterusnya akan memerlukan jenis komputer yang berbeza secara asasnya, di mana undang-undang fizik melakukan pengkomputeran secara langsung.
Pada 25 Jun 2026, syarikat itu mengeluarkan Un-0, penjana imej yang dikuasakan oleh sistem simulasi pengayun berganding. AI tidak konvensional menerangkan projek itu sebagai demonstrasi "substrat pengkomputeran fizikal" yang muncul, " dan ia mengeluarkan berat model, kod latihan dan analisis ablasi secara terbuka. For more context on this story, see our ongoing artificial intelligence updates.
Keluaran itu dengan cepat menarik perhatian dalam komuniti pembangun, mencapai muka depan Berita Hacker dan mencetuskan perbincangan tentang sama ada alternatif kepada status quo GPU-dan-transformer boleh bersaing secara realistik.
Memadankan penjanaan imej konvensional pada kualiti pelancarannya
Un-0 mencapai FID 6.74 pada ImageNet bersyarat kelas pada resolusi 64x64. FID, atau Fréchet Inception Distance, ialah ukuran standard kualiti penjanaan imej di mana lebih rendah adalah lebih baik. AI tidak konvensional mengatakan bahawa skor sepadan dengan kualiti kaedah penjanaan imej konvensional terkemuka pada masa ia mula diterbitkan.
Syarikat itu berterus terang bahawa masih terdapat jurang ke sempadan hari ini. Un-0 belum lagi menutup jurang prestasi sebagai fungsi kiraan parameter berbanding model penyebaran terkini. Tetapi pasukan membingkai hasilnya sebagai bukti konsep bahawa beban kerja AI moden boleh dipetakan ke dinamik sistem fizikal.
"Untuk pengetahuan kami, Un-0 adalah penjana imej paling berkebolehan setakat ini untuk menggunakan simulasi sistem dinamik fizikal," tulis syarikat itu dalam pengumumannya.
Bagaimana populasi pengayun melukis gambar
Enjin pengiraan Un-0 ialah populasi pengayun yang besar, setiap satu digabungkan dengan yang lain, di mana kekuatan gandingan antara setiap pasangan pengayun ialah parameter utama yang boleh dipelajari model. Sistem ini dimodelkan menggunakan apa yang dikenali sebagai pengayun Kuramoto, di mana setiap pengayun berputar pada frekuensi semula jadinya sendiri sambil didorong oleh tarikan setiap pengayun lain.
Syarikat itu menawarkan analogi intuitif. Gambar dua metronom berdetik sebelah menyebelah di atas meja kongsi. Bergantung pada seberapa kuat mereka mempengaruhi antara satu sama lain, mereka jatuh ke dalam langkah terkunci atau menyelesaikan pembangkang. Skala itu daripada dua pengayun kepada beribu-ribu, dan populasi menyusun sendiri mengikut corak.
Menjana imej dengan Un-0 mengikut lima langkah. Sistem bermula dari rawak, menetapkan setiap fasa pengayun kepada sudut rawak, yang bertindak sebagai benih bersamaan dengan bunyi model resapan atau sampel GAN. Kumpulan pengayun kedua yang lebih kecil mengekod kelas imej yang diminta, seperti bunga daisy atau gunung berapi, dan digandingkan ke dalam populasi utama. Sistem ini kemudiannya dilepaskan, membiarkan pengayun menarik antara satu sama lain sehingga mereka menetap ke arah keadaan yang ditentukan oleh gandingan mereka yang dipelajari. Imej dibacakan pada masa yang ditetapkan dan melalui penyahkod.
Tesis kecekapan tenaga 1,000x
Motivasi yang lebih mendalam ialah tenaga. Matlamat AI yang tidak konvensional adalah untuk menjalankan AI moden pada kira-kira 1,000 kali kurang tenaga daripada yang diperlukan oleh mesin hari ini.
Hujahnya ialah pengayun ialah litar fizikal primitif. Sistem pengayun berganding boleh dilaksanakan secara langsung dalam CMOS atau substrat fizikal lain supaya fizik peranti itu sendiri menjalankan pengiraan, dan bukannya mensimulasikannya pada pemproses konvensional. Jika undang-undang fizik boleh melaksanakan beban kerja AI, syarikat itu berpendapat, substrat pelaksanaan boleh kelihatan berbeza secara radikal daripada kelompok GPU hari ini.
Syarikat itu menunjuk kepada garis keturunan panjang idea pengkomputeran berasaskan fizik, termasuk pengkomputeran neuromorfik, rangkaian Hopfield, pengkomputeran takungan, rangkaian Hamiltonian dan Cecair, Mesin Gelombang Neural, pengkomputeran termodinamik, dan kerja terdahulu pada pengayun Kuramoto. Ia juga melukis persamaan biologi: aktiviti berirama dan penyegerakan meresap dalam otak dan telah lama dihipotesiskan untuk melaksanakan kerja pengiraan, seperti mengikat ciri teragih ke dalam persepsi yang koheren.
Hari awal, kod terbuka dan jemputan
AI yang tidak konvensional jelas bahawa ini adalah permulaan dan bukannya produk siap. Penerokaan Un-0 primitif fizikal bukanlah sesuatu yang baharu, tetapi syarikat itu telah menskalakannya kepada penanda aras generatif yang lebih besar, melakukan analisis dinamik dinamik, dan menawarkan pandangan tafsiran pada tingkah laku model.
Dengan mengeluarkan pemberat dan kod, pasukan berharap dapat memudahkan orang lain untuk bereksperimen dengan model berasaskan dinamik fizikal. Syarikat itu berkata ia percaya para penyelidik boleh dengan cepat melampaui Un-0, dan bidang itu masih awal dalam usahanya untuk meletakkan semula AI moden pada dinamik fizikal dan mencapai kira-kira 1,000x keuntungan kecekapan tenaga yang dikejarnya.
Buat masa ini, Un-0 ialah artifak penyelidikan dan bukannya pengganti drop-in untuk model imej pengeluaran. Tetapi ia tiba pada saat apabila tenaga dan kos menjalankan sistem AI yang besar telah menjadi kebimbangan utama bagi perusahaan dan penyelidik, dan ia mewakili salah satu percubaan yang lebih kreatif untuk mempersoalkan sama ada paradigma tertumpu GPU adalah satu-satunya jalan ke hadapan.
Sumber: "Memperkenalkan Un-0: Menjana Imej dengan Pengayun Berganding," AI Tidak Konvensional, 25 Jun 2026.---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
