物理学がコンピューティングとAIを永遠に変える

数十年のコンピューティングの伝統から離れて、Unconventional AIの研究者チームは、今日のAIシステムを動かすシリコンチップと電流ではなく、物理学の基本原理に頼る画像生成方法を開発しました。

システム、Un-0は、AI開発における新しい哲学を表しています。より大きなコンピュータネットワークを構築するのではなく、研究者は自然界に存在する数学的なパターンが、同じ計算作業を実行できるかどうかを調査しています。

エネルギーと効率

現在のAIシステム、ニューラルネットワーク、言語モデル、レコメンドアルゴリズムは、動作するために大量のエネルギーを必要とします。

これらのシステムを収容するデータセンターは、小都市と同等の電力を消費し、環境への影響と長期的な持続可能性について懸念を引き起こしています。

研究者は、次の重大なブレークスルーを達成するために、情報を処理する方法に根本的に異なるアプローチが必要であると推定しています。

この認識は、研究者が複雑な問題を驚くほど効率的に解決してきた生物学的および物理的なシステムからインスピレーションを得るよう促しています。

結合振動子の理解

Un-0の核心にあるのは、物理学から導かれた単純な概念です: 結合振動子。

これを理解するために、2つのメトロノーム、音楽家が時間をとるために使用する機械装置を想像してください。2つのメトロノームを同じテーブルに置き、異なるテンポに設定すると、驚くべきことが起こります。下にある表面の振動を通じて、メトロノームは次第に互いに影響を与え、最終的に同期して、一緒に動きます。

この同期は、物理学で1世紀以上研究されてきた正確な数学的原理に従います。振動子間の相互作用により、外部からの指示や制御なしに自己組織化するパターンが生まれます。

これを想像してみてください。2つのメトロノームではなく、互いに影響を与えることができる数千の振動単位です。

各振動子には、自然な周波数、位相角、他の振動子との接続があります。

これらの接続、結合強度は、Un-0がトレーニング中に学習するものです。

このシステムは、物理学者吉田勝久が研究したカラモトモデルと呼ばれる数学モデルを反映しています。

Un-0は、これらのモデルが実用的AI問題に拡大して適用できることを実証しています。

パフォーマンスと比較

テストでは、Un-0が数年前のトップレベルのAI画像生成方法と同等の画像品質を達成していることがわかりました。

ImageNet 64×64という標準的なベンチマークでは、システムは最初に公開されたときの有名な生成器と同等の品質スコアを達成しました。

これは敗北でもブレークスルーでもありません。物理学に基づくダイナミクスを使用するシステムが、従来のディープラーニングで達成された画像生成の品質レベルに到達できることを示しています。

研究者は、現在の最先端のシステムはまだUn-0を上回っていると認めています。しかし、従来の画像生成器も、最初は貧弱な結果から始めて、数十年の最適化を経て今日の洗練されたツールになったと指摘しています。

物理学に基づくコンピューティングの重要性

Un-0の重要性は画像生成を超えています。物理学に基づくシステムがAIタスクを実行し、従来のアプローチに比べて1000倍少ないエネルギーを使用する場合、影響は革命的になります。

この効率性の向上により、AIアプリケーションはデータセンターにアクセスできないモバイルデバイス、組み込みシステム、リモートロケーションで実行できるようになります。

さらに、これらのシステムは最終的に、プログラムされた命令を実行するのではなく、自然な物理プロセスをシミュレートするように設計されたシリコンチップで実装される可能性があります。これらの「非従来的な基板」は、真に異なる種類のコンピュータを表します。

より広い景色

Un-0は、従来のニューラルネットワークの代替を探求する唯一の研究ではない。

学術界と産業界の研究者は、熱力学的原理、類似回路、量子力学、その他の物理学的側面に基づいたシステムを調査しています。

これらのアプローチには、共通の動機があります。従来のアプローチは、エネルギー効率の面でほぼ限界に達しています。ブレークスルー的な進歩には、計算そのものを再考する必要があります。

研究コミュニティは、挑戦に取り組んでいます。生物学的および物理学的システムが数十億年間にわたって支配してきた原理に基づいてAIシステムを再設計することができますか? これに成功すれば、コンピュータとは何か、どのように機能するかという根本的な概念の再定義になります。

現在の限界と将来の方向

Un-0システムはまだ実験段階にあります。画像解像度は比較的低く、最先端のシステムのパフォーマンスレベルにはまだ達していません。

トレーニングプロセスは依然として従来のコンピューティングを必要とし、完了するには大量の時間がかかります。

研究者は、コードを公開し、詳細な分析を提供し、独自の解決策ではなく、新しい方向性を提供するという信念を反映しています。

AIシステムが現代社会の中でますます中心的な役割を果たすにつれて、より効率的なコンピューティングアプローチを探求することは、学術的な好奇心から実践的な必要性へと移行します。Un-0は、少なくとも1つの有望な方向性が存在し、物理学に基づくAIの調査はまだ始まったばかりであることを証明しています。