Od dziesięciu lat wykonywanie głębokich sieci neuronowych na procesorach graficznych definiuje sposób budowania sztucznej inteligencji. Startup o nazwie Unconventional AI argumentuje, że następny skok w wydajności będzie wymagał zasadniczo innego rodzaju komputera, w którym obliczenia bezpośrednio dokonują prawa fizyki.
25 czerwca 2026 roku firma wypuściła Un-0, generator obrazu zasilany symulowanym systemem sprzężonych oscylatorów. Unconventional AI opisuje projekt jako demonstrację powstającego „fizycznego podłoża obliczeniowego”” i otwarcie udostępnia wagi modeli, kod szkoleniowy i analizę ablacji. Więcej kontekstu na ten temat znajdziesz w naszych najnowsze osiągnięcia AI.
Wydanie szybko przyciągnęło uwagę społeczności programistów, trafiając na pierwszą stronę Hacker News i wywołując dyskusję na temat tego, czy alternatywy dla status quo opartego na procesorach graficznych i transformatorach mogą realistycznie konkurować.
Dopasowanie konwencjonalnej generacji obrazu w jakości początkowej
Un-0 osiąga FID 6,74 w ImageNet z warunkowym klasą przy rozdzielczości 64x64. FID, czyli odległość wejściowa Frécheta, to standardowa miara jakości generowania obrazu, gdzie im niższa, tym lepsza. Według Unconventional AI wynik odpowiada jakości wiodących konwencjonalnych metod generowania obrazów w momencie ich pierwszej publikacji.
Firma nie ukrywa, że do dzisiejszej granicy nadal istnieje luka. Un-0 nie zamyka jeszcze luki w wydajności jako funkcji liczby parametrów w porównaniu z najnowocześniejszymi modelami dyfuzji. Zespół przedstawia jednak wynik jako dowód na to, że współczesne obciążenia AI można odwzorować na dynamikę systemu fizycznego.
„Według naszej wiedzy Un-0 to jak dotąd najpotężniejszy generator obrazów umożliwiający symulację fizycznego układu dynamicznego” – napisała firma w swoim ogłoszeniu.
Jak przedstawia się populacja oscylatorów
Silnik obliczeniowy Un-0 to duża populacja oscylatorów, każdy połączony z innymi, gdzie siła sprzężenia pomiędzy każdą parą oscylatorów jest głównymi parametrami, których można się nauczyć modelu. System jest modelowany przy użyciu tak zwanych oscylatorów Kuramoto, w których każdy oscylator obraca się z własną częstotliwością naturalną, jednocześnie będąc popychany przez przyciąganie pozostałych oscylatorów.
Firma oferuje intuicyjną analogię. Wyobraź sobie dwa metronomy tykające obok siebie na wspólnym stole. W zależności od tego, jak silnie na siebie wpływają, popadają w konflikt lub popadają w opozycję. Skaluj to od dwóch oscylatorów do tysięcy, a populacja samoorganizuje się we wzorce.
Generowanie obrazu z Un-0 przebiega w pięciu krokach. System zaczyna od losowości, ustawiając fazę każdego oscylatora pod losowym kątem, co działa jak początkowy odpowiednik szumu modelu dyfuzji lub próbek GAN. Druga, mniejsza grupa oscylatorów koduje żądaną klasę obrazu, taką jak stokrotka lub wulkan, i jest włączana do głównej populacji. Następnie system jest zwalniany, pozwalając oscylatorom przyciągać się nawzajem, aż osiągną stan podyktowany ich wyuczonym sprzężeniem. Obrazy są odczytywane w ustalonym czasie i przepuszczane przez dekoder.
Teza o 1000-krotnej efektywności energetycznej
Głębszą motywacją jest energia. Deklarowanym celem niekonwencjonalnej sztucznej inteligencji jest uruchomienie nowoczesnej sztucznej inteligencji przy około 1000 razy mniejszym zużyciu energii niż wymagają dzisiejsze maszyny.
Argument jest taki, że oscylator jest prymitywnym obwodem fizycznym. System sprzężonych oscylatorów można zaimplementować bezpośrednio w pamięci CMOS lub innych podłożach fizycznych, tak aby fizyka urządzenia sama przeprowadzała obliczenia, zamiast symulować je na konwencjonalnym procesorze. Firma twierdzi, że jeśli prawa fizyki będą w stanie wykonywać obciążenia AI, podłoże wykonawcze może radykalnie różnić się od współczesnych klastrów GPU.
Firma wskazuje na długi rodowód pomysłów obliczeniowych opartych na fizyce, w tym obliczenia neuromorficzne, sieci Hopfielda, obliczenia zbiornikowe, sieci Hamiltona i cieczy, maszyny fal neuronowych, obliczenia termodynamiczne i wcześniejsze prace nad oscylatorami Kuramoto. Nasuwa to także biologiczne podobieństwo: rytmiczna aktywność i synchronizacja są wszechobecne w mózgu i od dawna przypuszcza się, że wykonują pracę obliczeniową, taką jak wiązanie rozproszonych cech w spójne spostrzeżenia.
Początki, otwarty kod i zaproszenie
Niekonwencjonalna sztuczna inteligencja jasno pokazuje, że to raczej początek niż gotowy produkt. Fizyczny prymityw badany przez Un-0 nie jest nowy, ale firma przeskalowała go do większego, generatywnego punktu odniesienia, przeprowadziła analizę dynamiki i zaproponowała interpretacyjne spojrzenie na zachowanie modelu.
Zespół ma nadzieję, że udostępniając wagi i kod, ułatwi innym eksperymentowanie z modelami opartymi na dynamice fizycznej. Firma twierdzi, że wierzy, że badacze mogą szybko wyjść poza Un-0 i że dziedzina ta jest wciąż na wczesnym etapie wysiłków mających na celu ponowne oparcie współczesnej sztucznej inteligencji na dynamice fizycznej i osiągnięcie około 1000-krotnego wzrostu efektywności energetycznej, do którego dąży.
Na razie Un-0 jest raczej artefaktem badawczym niż zastępczym zamiennikiem modeli obrazów produkcyjnych. Nadchodzi jednak w momencie, gdy energia i koszty obsługi dużych systemów sztucznej inteligencji stają się głównym przedmiotem zainteresowania zarówno przedsiębiorstw, jak i badaczy, i stanowi jedną z bardziej kreatywnych prób zakwestionowania tego, czy paradygmat skoncentrowany na procesorach graficznych jest jedyną drogą naprzód.
Źródło: „Introducing Un-0: Generowanie obrazów za pomocą sprzężonych oscylatorów”, Unconventional AI, 25 czerwca 2026 r.---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
