Tien jaar lang heeft het uitvoeren van diepe neurale netwerken op GPU's bepaald hoe kunstmatige intelligentie wordt opgebouwd. Een startup genaamd Unconventional AI beweert dat de volgende sprong in efficiëntie een fundamenteel ander soort computer zal vereisen, een computer waarbij de wetten van de natuurkunde het computergebruik rechtstreeks uitvoeren.
Op 25 juni 2026 bracht het bedrijf Un-0 uit, een beeldgenerator die wordt aangedreven door een gesimuleerd systeem van gekoppelde oscillatoren. Onconventionele AI beschrijft het project als een demonstratie van een opkomend "physical computing-substraat,"" en geeft de modelgewichten, trainingscode en ablatieanalyse openlijk vrij. Voor meer context over dit verhaal, zie ons AI-nieuws.
De release trok snel de aandacht in de ontwikkelaarsgemeenschap, bereikte de voorpagina van Hacker News en leidde tot discussie over de vraag of alternatieven voor de status quo van GPU en transformator realistisch kunnen concurreren.
Vergelijking van conventionele beeldgeneratie met de lanceringskwaliteit
Un-0 bereikt FID 6,74 op klasse-conditioneel ImageNet met een resolutie van 64x64. FID, of Fréchet Inception Distance, is een standaardmaatstaf voor de kwaliteit van beeldgeneratie, waarbij lager beter is. Onconventionele AI zegt dat de score overeenkomt met de kwaliteit van toonaangevende conventionele beeldgeneratiemethoden op het moment dat ze voor het eerst werden gepubliceerd.
Het bedrijf is openhartig dat er nog steeds een kloof is met de huidige grens. Un-0 overbrugt de prestatiekloof als functie van het aantal parameters nog niet ten opzichte van de modernste diffusiemodellen. Maar het team omschrijft het resultaat als een proof of concept dat moderne AI-workloads in kaart kunnen worden gebracht op de dynamiek van een fysiek systeem.
"Voor zover wij weten is Un-0 tot nu toe de meest capabele beeldgenerator om een simulatie van een fysiek dynamisch systeem te gebruiken", schreef het bedrijf in zijn aankondiging.
Hoe een populatie oscillatoren een beeld schetst
De rekenmachine van Un-0 is een grote populatie oscillatoren, elk gekoppeld aan de anderen, waarbij de koppelingssterkten tussen elk paar oscillatoren de belangrijkste leerbare parameters van het model zijn. Het systeem is gemodelleerd met behulp van zogenaamde Kuramoto-oscillatoren, waarbij elke oscillator op zijn eigen natuurlijke frequentie roteert terwijl hij wordt geduwd door de trekkracht van elke andere oscillator.
Het bedrijf biedt een intuïtieve analogie. Stel je voor dat twee metronomen naast elkaar tikken op een gedeelde tafel. Afhankelijk van hoe sterk ze elkaar beïnvloeden, raken ze in de greep of komen ze in oppositie terecht. Schaal dat op van twee oscillatoren naar duizenden, en de bevolking organiseert zichzelf in patronen.
Het genereren van een afbeelding met Un-0 volgt vijf stappen. Het systeem vertrekt vanuit willekeur en stelt de fase van elke oscillator in op een willekeurige hoek, die fungeert als het startequivalent van de ruis van een diffusiemodel of GAN-samples. Een tweede, kleinere groep oscillatoren codeert de gevraagde beeldklasse, zoals een madeliefje of een vulkaan, en is gekoppeld aan de hoofdpopulatie. Het systeem wordt vervolgens losgelaten, waardoor de oscillatoren aan elkaar kunnen trekken totdat ze in de richting van een toestand komen die wordt gedicteerd door hun aangeleerde koppeling. Beelden worden op een vast tijdstip uitgelezen en door een decoder geleid.
Het proefschrift van 1000x energie-efficiëntie
De diepere motivatie is energie. Het doel van onconventionele AI is om moderne AI te laten draaien op ongeveer 1000 keer minder energie dan de huidige machines nodig hebben.
Het argument is dat een oscillator een primitief fysiek circuit is. Een gekoppeld oscillatorsysteem kan rechtstreeks in CMOS of andere fysieke substraten worden geïmplementeerd, zodat de fysica van het apparaat zelf de berekening uitvoert, in plaats van deze op een conventionele processor te simuleren. Als de wetten van de natuurkunde AI-workloads kunnen uitvoeren, zo stelt het bedrijf, kan het uitvoeringssubstraat er radicaal anders uitzien dan de huidige GPU-clusters.
Het bedrijf wijst op een lange reeks op fysica gebaseerde computerideeën, waaronder neuromorfe computersystemen, Hopfield-netwerken, reservoircomputers, Hamiltoniaanse en vloeibare netwerken, neurale golfmachines, thermodynamische computersystemen en eerder werk aan Kuramoto-oscillatoren. Het trekt ook een biologische parallel: ritmische activiteit en synchronisatie zijn alomtegenwoordig in de hersenen en er wordt al lang aangenomen dat ze computationeel werk verrichten, zoals het binden van gedistribueerde kenmerken tot samenhangende percepties.
Vroege dagen, open code en een uitnodiging
Onconventionele AI maakt duidelijk dat dit eerder een begin dan een eindproduct is. De fysieke primitieve Un-0-verkenning is niet nieuw, maar het bedrijf heeft het opgeschaald naar een grotere generatieve benchmark, een geablateerde analyse van de dynamiek uitgevoerd en een interpretatieve kijk op het gedrag van het model geboden.
Door de gewichten en de code vrij te geven, hoopt het team het voor anderen gemakkelijker te maken om te experimenteren met modellen die gebaseerd zijn op fysieke dynamiek. Het bedrijf zegt dat het gelooft dat onderzoekers snel verder kunnen gaan dan Un-0, en dat het veld nog vroeg is in zijn poging om moderne AI opnieuw te positioneren op de fysieke dynamiek en de ongeveer 1.000x energie-efficiëntiewinst te bereiken waar het naar streeft.
Voorlopig is Un-0 eerder een onderzoeksartefact dan een drop-in vervanging voor productiebeeldmodellen. Maar het komt op een moment waarop de energie en de kosten van het runnen van grote AI-systemen een centrale zorg zijn geworden voor zowel bedrijven als onderzoekers, en het vertegenwoordigt een van de creatievere pogingen om zich af te vragen of het GPU-centrische paradigma de enige weg vooruit is.
Bron: "Introductie van Un-0: Generating Images with Coupled Oscillators", Onconventionele AI, 25 juni 2026.---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
