ဆယ်စုနှစ်တစ်ခုကြာ GPU များပေါ်တွင် နက်နဲသော အာရုံကြောကွန်ရက်များကို အကောင်အထည်ဖော်ခြင်းသည် ဉာဏ်ရည်တုတည်ဆောက်ပုံအား သတ်မှတ်ဖော်ပြခဲ့သည်။ Unconventional AI ဟုခေါ်သော ဆန်းသစ်တီထွင်မှုတစ်ခုသည် ထိရောက်မှုအရှိန်အဟုန်ဖြင့် နောက်တက်လာမည့် ရူပဗေဒနိယာမများသည် ကွန်ပျူတာကို တိုက်ရိုက်လုပ်ဆောင်သည့် အခြေခံကွဲပြားသော ကွန်ပျူတာအမျိုးအစားတစ်ခု လိုအပ်လိမ့်မည်ဟူသော ကိစ္စရပ်ကို ဖန်တီးနေသည်။

2026 ခုနှစ် ဇွန်လ 25 ရက်နေ့တွင် ကုမ္ပဏီသည် ချိတ်ဆက်ထားသော တုန်ခါမှုစနစ်ဖြင့် လုပ်ဆောင်သည့် ရုပ်ပုံဂျင်နရေတာ Un-0 ကို ထုတ်ပြန်ခဲ့သည်။ သမားရိုးကျမဟုတ်သော AI သည် ပရောဂျက်အား ပေါ်ပေါက်လာသော "ရုပ်ပိုင်းဆိုင်ရာတွက်ချက်မှုအလွှာ"" ၏သရုပ်ပြမှုဖြစ်ပြီး ၎င်းသည် မော်ဒယ်အလေးများ၊ လေ့ကျင့်ရေးကုဒ်နှင့် ablation ခွဲခြမ်းစိတ်ဖြာမှုများကို ပွင့်ပွင့်လင်းလင်းထုတ်ပြနေသည်။ For more context on this story, see our ongoing breaking AI news.

ထုတ်ဝေမှုတွင် ဆော့ဖ်ဝဲရေးသားသူ အသိုင်းအဝိုင်းအတွင်း လျင်မြန်စွာ အာရုံစိုက်လာကာ Hacker News ၏ ရှေ့မျက်နှာစာသို့ ရောက်ရှိကာ GPU-and-transformer အခြေအနေကို လက်တွေ့ကျကျ ယှဉ်ပြိုင်နိုင်မှု ရှိ၊ မရှိ ဆွေးနွေးမှု များ ထွက်ပေါ်လာသည်။

သမားရိုးကျ ပုံသဏ္ဍာန်နှင့် ကိုက်ညီသော ပုံထွက်အရည်အသွေး

Un-0 သည် 64x64 resolution ဖြင့် class-conditional ImageNet တွင် FID 6.74 သို့ ရောက်ရှိသည်။ FID သို့မဟုတ် Fréchet Inception Distance သည် နိမ့်သည် ပိုကောင်းသည့် ရုပ်ပုံမျိုးဆက် အရည်အသွေး၏ စံတိုင်းတာမှုတစ်ခုဖြစ်သည်။ သမားရိုးကျမဟုတ်သော AI က ၎င်းတို့ကို ပထမဆုံးထုတ်ဝေသည့်အချိန်က သမားရိုးကျပုံသဏ္ဍာန်ဖန်တီးမှုနည်းလမ်းများ၏ အရည်အသွေးနှင့် ကိုက်ညီသည်ဟု ဆိုသည်။

ကုမ္ပဏီသည် ယနေ့ခေတ် နယ်နိမိတ်နှင့် ကွာဟချက်ရှိနေသေးကြောင်း ပွင့်ပွင့်လင်းလင်း ထုတ်ဖော်ပြောဆိုသည်။ Un-0 သည် ခေတ်မီဆန်းသစ်သောပျံ့နှံ့မှုပုံစံများနှင့် ပတ်သက်သည့် ကန့်သတ်ချက်အရေအတွက်၏ လုပ်ဆောင်ချက်အဖြစ် စွမ်းဆောင်ရည်ကွာဟချက်ကို မပိတ်သေးပါ။ သို့သော် အဖွဲ့သည် ရလဒ်ကို သက်သေအဖြစ် ခေတ်မီ AI လုပ်ငန်းခွင်များကို ရုပ်ပိုင်းဆိုင်ရာစနစ်၏ ဒိုင်းနမစ်များပေါ်တွင် ပုံဖော်နိုင်သည်။

"ကျွန်ုပ်တို့၏ အသိပညာအတွက်၊ Un-0 သည် ရုပ်ပိုင်းဆိုင်ရာ ဒိုင်နမစ်စနစ်၏ သရုပ်ဖော်မှုကို အသုံးပြုရန်အတွက် ယနေ့အထိ စွမ်းရည်အရှိဆုံး ရုပ်ပုံထုတ်ပေးသည့် ဂျင်နရေတာဖြစ်သည်" ဟု ကုမ္ပဏီက ၎င်း၏ ကြေညာချက်တွင် ရေးသားထားသည်။

လူဦး​ရေ ​အော်​စကေးရှင်း​တွေက ပုံတစ်​ပုံကို ဆွဲ​နေသည်​

Un-0 ၏ တွက်ချက်မှုအင်ဂျင်သည် များပြားလှသော oscillators များဖြစ်ပြီး တစ်ခုနှင့်တစ်ခု အခြားတစ်ခုနှင့်တစ်ခု တွဲလျက်၊ အဆိုပါ oscillators တစ်စုံစီကြားရှိ coupling strengths သည် model ၏ အဓိကသင်ယူနိုင်သော parameters ဖြစ်သည်။ Kuramoto oscillators ဟုခေါ်သော စနစ်အား အသုံးပြု၍ စံနမူနာပြထားပြီး ယင်းတွင် oscillator တစ်ခုစီသည် အခြား oscillator များ၏ ဆွဲငင်မှုကြောင့် ၎င်း၏ကိုယ်ပိုင်သဘာဝကြိမ်နှုန်းဖြင့် လှည့်ပတ်နေပါသည်။

ကုမ္ပဏီသည် အလိုလိုသိနိုင်သော ဥပမာတစ်ခုကို ပေးသည်။ မျှဝေထားသော စားပွဲပေါ်တွင် ဘေးချင်းကပ်နေသော မက်ထရိုနမ်နှစ်ခုကို ပုံဖော်ပါ။ တစ်ဦးနှင့်တစ်ဦး သြဇာလွှမ်းမိုးမှု မည်မျှပြင်းထန်မှုအပေါ်မူတည်၍ ၎င်းတို့သည် သော့ခတ်သွားခြင်း သို့မဟုတ် ဆန့်ကျင်ဘက်သို့ အခြေချနေထိုင်ကြသည်။ ၎င်းကို အလှည့်အပြောင်းနှစ်ခုမှ ထောင်ပေါင်းများစွာအထိ အတိုင်းအတာနှင့် လူဦးရေကို ပုံစံများအဖြစ် စုစည်းသည်။

Un-0 ဖြင့် ပုံတစ်ပုံကို ဖန်တီးခြင်းသည် အဆင့်ငါးဆင့်ဖြစ်သည်။ စနစ်သည် ကျပန်းစနစ်မှစတင်သည်၊ ၎င်းသည် ဆူညံသံပျံ့နှံ့မှုပုံစံ သို့မဟုတ် GAN နမူနာများနှင့်ညီမျှသော မျိုးစေ့အဖြစ်လုပ်ဆောင်သည့် oscillator ၏အဆင့်တိုင်းကို ကျပန်းထောင့်တစ်ခုအဖြစ်သတ်မှတ်သည်။ ဒုတိယ၊ သေးငယ်သော တုန်ခါမှုအုပ်စုသည် ဒေစီ သို့မဟုတ် မီးတောင်ကဲ့သို့ တောင်းဆိုထားသော ပုံအတန်းအစားကို ကုဒ်လုပ်ပြီး အဓိကလူဦးရေအဖြစ် ပေါင်းစပ်ထားသည်။ ထို့နောက် စနစ်သည် လွှတ်တင်ခဲ့ပြီး၊ တုန်ခါမှုများသည် ၎င်းတို့၏ သင်ယူလေ့လာထားသော အချိတ်အဆက်ဖြင့် ထိန်းချုပ်ထားသော ပြည်နယ်တစ်ခုဆီသို့ အခြေချသည်အထိ အချင်းချင်း ဆွဲငင်နိုင်စေမည်ဖြစ်သည်။ ပုံများကို ပုံသေအချိန်တစ်ခုတွင် ဖတ်ပြီး ကုဒ်ဒါဖြင့် ဖြတ်သန်းပါသည်။

1,000x စွမ်းအင်ထိရောက်မှုစာတမ်း

ပိုမိုလေးနက်သော လှုံ့ဆော်မှုသည် စွမ်းအင်ဖြစ်သည်။ သမားရိုးကျမဟုတ်သော AI ၏ဖော်ပြချက်ပန်းတိုင်သည် ယနေ့ခေတ်စက်များလိုအပ်သည်ထက် အကြမ်းဖျင်းအားဖြင့် 1,000 အဆနည်းသော စွမ်းအင် ဖြင့် ခေတ်မီ AI ကို လုပ်ဆောင်ရန်ဖြစ်သည်။

အကြောင်းပြချက်မှာ oscillator သည် primitive physical circuit တစ်ခုဖြစ်သည်။ coupled-oscillator စနစ်အား CMOS သို့မဟုတ် အခြားရုပ်ပိုင်းဆိုင်ရာအလွှာများတွင် တိုက်ရိုက်အကောင်အထည်ဖော်နိုင်သည်၊ သို့မှသာ စက်၏ရူပဗေဒသည် သမားရိုးကျပရိုဆက်ဆာပေါ်တွင် အတုယူခြင်းထက် စက်ပစ္စည်း၏ ရူပဗေဒဆိုင်ရာတွက်ချက်မှုကို လုပ်ဆောင်စေသည်။ ရူပဗေဒဥပဒေများသည် AI အလုပ်တာဝန်များကို လုပ်ဆောင်နိုင်လျှင် ကုမ္ပဏီက အငြင်းအခုံဖြစ်ပြီး၊ လုပ်ဆောင်မှုအလွှာသည် ယနေ့ခေတ် GPU အစုအဝေးများနှင့် လွန်စွာကွာခြားနိုင်သည်။

ကုမ္ပဏီသည် neuromorphic computing၊ Hopfield networks၊ reservoir computing၊ Hamiltonian နှင့် Liquid networks၊ Neural Wave Machines၊ thermodynamic computing နှင့် Kuramoto oscillators များ အပါအဝင် ရှည်လျားသော ရူပဗေဒအခြေခံ တွက်ချက်ခြင်းဆိုင်ရာ စိတ်ကူးစိတ်သန်းများကို ကုမ္ပဏီမှ ညွှန်ပြပါသည်။ ၎င်းသည် ဇီဝဆိုင်ရာအပြိုင်တစ်ခုကိုလည်း ဆွဲယူသည်- စည်းချက်ညီညီလုပ်ဆောင်မှုနှင့် ထပ်တူပြုခြင်းများသည် ဦးနှောက်အတွင်းပျံ့နှံ့နေပြီး ဖြန့်ဝေထားသောအင်္ဂါရပ်များကို စည်းလုံးညီညွှတ်မှုအဖြစ် ပေါင်းစပ်ခြင်းကဲ့သို့သော ကွန်ပြူတာဆိုင်ရာအလုပ်များကို လုပ်ဆောင်ရန် ကာလကြာရှည်စွာ ယူဆချက်ချထားသည်။

အစောပိုင်းရက်များ၊ ကုဒ်ဖွင့်ပြီး ဖိတ်ကြားချက်တစ်ခု

သမားရိုးကျမဟုတ်သော AI သည် အချောထည်ထုတ်ကုန်မဟုတ်ဘဲ အစဦးဖြစ်ကြောင်း ထင်ရှားသည်။ ရုပ်ပိုင်းဆိုင်ရာ primitive Un-0 စူးစမ်းလေ့လာမှုသည် အသစ်အဆန်းမဟုတ်သော်လည်း ကုမ္ပဏီသည် ၎င်းအား ပိုမိုကြီးမားသော မျိုးဆက်သစ်စံနှုန်းတစ်ခုအဖြစ် အတိုင်းအတာတစ်ခုအထိ ချဲ့ထွင်ကာ၊ ဒိုင်နမစ်များကို ခွဲခြမ်းစိတ်ဖြာမှုပြုလုပ်ကာ မော်ဒယ်၏အပြုအမူကို အဓိပ္ပာယ်ဖွင့်ဆိုချက်ပေးထားသည်။

အလေးချိန်များနှင့် ကုဒ်များကို ထုတ်လွှတ်ခြင်းဖြင့်၊ အဖွဲ့သည် ကာယဒိုင်းနမစ်အခြေခံ မော်ဒယ်များနှင့် အခြားသူများ စမ်းသပ်ရန် ပိုမိုလွယ်ကူစေရန် မျှော်လင့်ပါသည်။ သုတေသီများသည် Un-0 ကိုကျော်လွန်၍ လျင်မြန်စွာ တွန်းလှန်နိုင်မည်ဟု ယုံကြည်ကြောင်း၊ နယ်ပယ်သည် ခေတ်မီ AI ကို ရုပ်ပိုင်းဆိုင်ရာ ဒိုင်းနမစ်များကို ပြန်လည်သုံးသပ်ကာ 1,000x စွမ်းအင်ထိရောက်မှု ရရှိရန် ကြိုးပမ်းမှုတွင် စောနေသေးကြောင်း ကုမ္ပဏီက ပြောကြားခဲ့သည်။

ယခုအချိန်တွင်၊ Un-0 သည် ထုတ်လုပ်မှု ရုပ်ပုံမော်ဒယ်များအတွက် အစားထိုးမှုထက် သုတေသနပြုလုပ်သည့် အရာတစ်ခုဖြစ်သည်။ သို့သော် ကြီးမားသော AI စနစ်များလည်ပတ်ခြင်းအတွက် စွမ်းအင်နှင့် ကုန်ကျစရိတ်များသည် လုပ်ငန်းများနှင့် သုတေသီများအတွက် အဓိကစိုးရိမ်စရာဖြစ်လာပြီး GPU-centric paradigm သည် ရှေ့ခရီးအတွက် တစ်ခုတည်းသောနည်းလမ်းဟုတ်မဟုတ် မေးခွန်းထုတ်ရန် ပိုမိုတီထွင်ဖန်တီးမှုတစ်ခုဖြစ်သည့် ကြိုးပမ်းမှုတစ်ခုဖြစ်သည်။

ရင်းမြစ်- "Un-0 ကို မိတ်ဆက်ခြင်း- Coupled Oscillators ဖြင့် ပုံများဖန်တီးခြင်း"၊ သမားရိုးကျမဟုတ်သော AI၊ ဇွန်လ 25၊ 2026။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →