เป็นเวลากว่าทศวรรษแล้วที่การดำเนินการโครงข่ายประสาทเทียมเชิงลึกบน GPU ได้กำหนดวิธีการสร้างปัญญาประดิษฐ์ สตาร์ทอัพที่เรียกว่า Unconventional AI กำลังสร้างกรณีที่การก้าวกระโดดด้านประสิทธิภาพครั้งต่อไปจะต้องใช้คอมพิวเตอร์ประเภทที่แตกต่างกันโดยพื้นฐาน ซึ่งเป็นที่ที่กฎแห่งฟิสิกส์ทำหน้าที่ประมวลผลโดยตรง
เมื่อวันที่ 25 มิถุนายน 2026 บริษัทได้เปิดตัว Un-0 เครื่องกำเนิดภาพที่ขับเคลื่อนโดยระบบจำลองออสซิลเลเตอร์คู่ AI ที่แหวกแนวอธิบายโปรเจ็กต์นี้ว่าเป็นการสาธิต "สารตั้งต้นในการประมวลผลทางกายภาพ"" ที่เกิดขึ้นใหม่ และกำลังเปิดตัวน้ำหนักโมเดล รหัสการฝึกอบรม และการวิเคราะห์การระเหยอย่างเปิดเผย For more context on this story, see our ongoing AI trends.
การเปิดตัวครั้งนี้ดึงดูดความสนใจอย่างรวดเร็วในชุมชนนักพัฒนา โดยขึ้นหน้าแรกของ Hacker News และจุดประกายให้เกิดการอภิปรายว่าทางเลือกอื่นนอกเหนือจากสถานะ GPU และหม้อแปลงไฟฟ้าที่เป็นอยู่สามารถแข่งขันกันได้อย่างแนบเนียนหรือไม่
จับคู่การสร้างภาพทั่วไปด้วยคุณภาพการเปิดตัว
Un-0 ไปถึง FID 6.74 บน ImageNet แบบมีเงื่อนไขระดับคลาสที่ความละเอียด 64x64 FID หรือ Fréchet Inception Distance เป็นการวัดมาตรฐานของคุณภาพการสร้างภาพที่ต่ำกว่าจะดีกว่า AI ที่แหวกแนวกล่าวว่าคะแนนนั้นตรงกับคุณภาพของวิธีสร้างภาพทั่วไปชั้นนำ ณ เวลาที่เผยแพร่ครั้งแรก
บริษัทเปิดเผยอย่างตรงไปตรงมาว่ายังคงมีช่องว่างอยู่จนถึงขอบเขตปัจจุบัน Un-0 ยังไม่ปิดช่องว่างด้านประสิทธิภาพเนื่องจากฟังก์ชันการนับพารามิเตอร์สัมพันธ์กับโมเดลการแพร่กระจายที่ล้ำสมัย แต่ทีมงานวางกรอบผลลัพธ์เพื่อพิสูจน์แนวคิดที่ว่าปริมาณงาน AI สมัยใหม่สามารถแมปเข้ากับไดนามิกของระบบทางกายภาพได้
“ตามความรู้ของเรา Un-0 เป็นเครื่องมือสร้างภาพที่มีความสามารถมากที่สุดในปัจจุบันเพื่อใช้การจำลองระบบไดนามิกทางกายภาพ” บริษัทเขียนไว้ในประกาศ
ประชากรออสซิลเลเตอร์วาดภาพได้อย่างไร
โปรแกรมคำนวณของ Un-0 เป็นกลุ่มออสซิลเลเตอร์จำนวนมาก โดยแต่ละตัวประกอบกับออสซิลเลเตอร์อื่นๆ โดยที่ จุดแข็งของการเชื่อมต่อระหว่างออสซิลเลเตอร์ทุกคู่เป็นพารามิเตอร์หลักที่สามารถเรียนรู้ได้ ของแบบจำลอง ระบบได้รับการสร้างแบบจำลองโดยใช้สิ่งที่เรียกว่าออสซิลเลเตอร์ Kuramoto ซึ่งออสซิลเลเตอร์แต่ละตัวจะหมุนด้วยความถี่ธรรมชาติของตัวเองในขณะที่ถูกกระตุ้นโดยการดึงของออสซิลเลเตอร์อื่นๆ ทุกตัว
บริษัทเสนอการเปรียบเทียบที่ใช้งานง่าย ลองนึกภาพเครื่องเมตรอนอมสองตัวที่เดินเคียงข้างกันบนโต๊ะที่ใช้ร่วมกัน ขึ้นอยู่กับว่าพวกเขามีอิทธิพลต่อกันมากเพียงใด พวกเขาตกอยู่ในขั้นล็อคหรือกลายเป็นฝ่ายค้าน ปรับขนาดจากออสซิลเลเตอร์สองตัวเป็นพัน และจำนวนประชากรสามารถจัดระเบียบตัวเองเป็นรูปแบบได้
การสร้างภาพด้วย Un-0 มีห้าขั้นตอน ระบบเริ่มต้นจากการสุ่ม โดยตั้งค่าเฟสของออสซิลเลเตอร์ทุกตัวให้เป็นมุมสุ่ม ซึ่งทำหน้าที่เป็นเมล็ดพันธุ์ที่เทียบเท่ากับเสียงแบบจำลองการแพร่กระจายหรือตัวอย่าง GAN กลุ่มออสซิลเลเตอร์กลุ่มที่สองที่เล็กกว่าจะเข้ารหัสคลาสภาพที่ร้องขอ เช่น เดซี่หรือภูเขาไฟ และรวมเข้ากับประชากรหลัก จากนั้นระบบจะถูกปล่อยออกมา โดยปล่อยให้ออสซิลเลเตอร์ดึงเข้าหากันจนกว่าพวกมันจะเข้าสู่สถานะที่กำหนดโดยการเรียนรู้การมีเพศสัมพันธ์ รูปภาพจะถูกอ่านในเวลาที่กำหนดและส่งผ่านตัวถอดรหัส
วิทยานิพนธ์ประสิทธิภาพพลังงาน 1,000 เท่า
แรงจูงใจที่ลึกลงไปคือพลังงาน เป้าหมายที่แหวกแนวของ AI คือการรัน AI สมัยใหม่โดยใช้พลังงานน้อยกว่าที่เครื่องจักรในปัจจุบันต้องการประมาณ 1,000 เท่า
ข้อโต้แย้งก็คือออสซิลเลเตอร์เป็นวงจรทางกายภาพดั้งเดิม ระบบออสซิลเลเตอร์คู่สามารถนำไปใช้โดยตรงใน CMOS หรือพื้นผิวทางกายภาพอื่นๆ เพื่อให้ฟิสิกส์ของอุปกรณ์ดำเนินการคำนวณ แทนที่จะจำลองบนโปรเซสเซอร์ทั่วไป หากกฎแห่งฟิสิกส์สามารถดำเนินการกับปริมาณงาน AI ได้ บริษัทให้เหตุผลว่าสารตั้งต้นในการดำเนินการอาจดูแตกต่างอย่างสิ้นเชิงจากคลัสเตอร์ GPU ในปัจจุบัน
บริษัทชี้ให้เห็นถึงแนวคิดด้านการประมวลผลบนพื้นฐานฟิสิกส์ที่มีมายาวนาน รวมถึงการประมวลผลแบบนิวโรมอร์ฟิก เครือข่าย Hopfield การประมวลผลแบบอ่างเก็บน้ำ เครือข่าย Hamiltonian และ Liquid เครื่องคลื่นประสาท การประมวลผลแบบอุณหพลศาสตร์ และงานก่อนหน้านี้เกี่ยวกับออสซิลเลเตอร์ของ Kuramoto นอกจากนี้ยังดึงเอาความคล้ายคลึงทางชีววิทยาเข้ามาด้วย: กิจกรรมจังหวะและการซิงโครไนซ์เป็นที่แพร่หลายในสมอง และมีการตั้งสมมติฐานมานานแล้วว่าจะทำงานด้านการคำนวณ เช่น การเชื่อมโยงคุณลักษณะแบบกระจายเข้ากับการรับรู้ที่สอดคล้องกัน
วันแรก เปิดโค้ด และคำเชิญ
AI ที่แหวกแนวแสดงให้เห็นชัดเจนว่านี่เป็นจุดเริ่มต้นมากกว่าเป็นผลิตภัณฑ์สำเร็จรูป การสำรวจ Un-0 แบบดั้งเดิมทางกายภาพไม่ใช่เรื่องใหม่ แต่บริษัทได้ขยายขนาดให้เป็นเกณฑ์มาตรฐานที่ใหญ่กว่า ทำการวิเคราะห์ไดนามิกแบบลบล้าง และเสนอการตีความพฤติกรรมของแบบจำลอง
ด้วยการปล่อยน้ำหนักและรหัส ทีมงานหวังว่าจะช่วยให้ผู้อื่นทดลองแบบจำลองที่มีพื้นฐานด้านพลศาสตร์ทางกายภาพได้ง่ายขึ้น บริษัทกล่าวว่าเชื่อว่านักวิจัยสามารถผลักดันให้เกิน Un-0 ได้อย่างรวดเร็ว และสนามนี้ยังอยู่ในช่วงเริ่มต้นของความพยายามที่จะนำ AI สมัยใหม่กลับมาใช้ใหม่ในด้านพลวัตทางกายภาพ และเข้าถึงประสิทธิภาพพลังงานที่เพิ่มขึ้นประมาณ 1,000 เท่าที่กำลังไล่ตาม
สำหรับตอนนี้ Un-0 เป็นเพียงสิ่งประดิษฐ์ในการวิจัยมากกว่าการแทนที่แบบจำลองภาพการผลิตแบบดรอปอิน แต่มาถึงช่วงเวลาที่พลังงานและค่าใช้จ่ายในการใช้งานระบบ AI ขนาดใหญ่กลายเป็นประเด็นสำคัญสำหรับองค์กรและนักวิจัย และมันแสดงให้เห็นถึงความพยายามที่สร้างสรรค์อย่างหนึ่งในการตั้งคำถามว่ากระบวนทัศน์ที่เน้น GPU เป็นหนทางเดียวที่จะก้าวไปข้างหน้าหรือไม่
ที่มา: "การแนะนำ Un-0: การสร้างภาพด้วย Oscillators แบบคู่" AI แหวกแนว 25 มิถุนายน 2026---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
