물리학이 컴퓨팅과 인공지능을 영원히 변화시키다

수십 년 동안의 전통적인 컴퓨팅 방식에서 벗어나, Unconventional AI의 연구팀은 오늘날의 인공지능 시스템에서 사용되는 실리콘 칩과 전기 신호가 아닌 물리학의 기본 원리를 기반으로 이미지 생성 방법을 개발했습니다.

시스템, Un-0은 인공지능 개발에서 새로운 철학을 나타냅니다. 더 큰 규모와 더 복잡한 컴퓨터 네트워크를 구축하는 대신, 과학자들은 자연에서 발견되는 수학적 패턴이 동일한 계산 작업을 수행할 수 있는지探索하고 있습니다. 이러한 패턴은 전통적인 접근 방식보다 약 1000배 적은 에너지를 사용합니다.

에너지와 효율성

현재 기술 지형을 지배하는 인공지능 시스템, 즉 신경망, 언어 모델, 추천 알고리즘은 작동하기 위해 엄청난 양의 에너지를 필요로 합니다.

이러한 시스템을 수용하는 데이터 센터는 작은 도시와 동일한 양의 전력을 소비하며, 환경에 미치는 영향과 장기적인 지속 가능성에 대한 우려를 불러일으킵니다.

연구원들은 인공지능 효율성의 다음 주요 돌파구를 달성하기 위해 정보를 처리하는 방식에 대한 근본적으로 다른 접근 방식을 필요로 한다고 추정합니다.

이러한 깨달음은 과학자들이 복잡한 문제를 놀라운 효율로 해결하는 데 수백만 년 동안 진화한 생물학적 및 물리적 시스템에서 영감을 얻도록 이끌었습니다.

결합 오실레이터 이해

Un-0의 핵심에는 물리학에서 가져온 간단한 개념이 있습니다. 결합 오실레이터.

이를 이해하기 위해, 음악가들이 시간을 유지하기 위해 사용하는 기계 장치인 메트로놈의 한 쌍을 상상해 보십시오. 두 개의 메트로놈을 동일한 표면에 놓고 서로 다른 템포로 설정하면驚くべき 일이 발생합니다. 표면 아래의 진동을 통해 메트로놈은 서로 영향을 미치기 시작하여 결국 동기화되어 단일한 리듬으로 작동합니다.

이 동기화는 물리학에서 수백 년 동안 연구된 정밀한 수학적 원리를 따릅니다. 오실레이터 간의 상호작용은 외부 지시나 제어 없이 조직 패턴을 생성합니다.

이제 이 개념을 극적으로 확장해 보십시오. 두 개의 메트로놈이 아닌 수천 개의 진동 단위가 있으며, 각 단위는 주변의 모든 다른 단위에 영향을 미칠 수 있습니다.

각 오실레이터는 자연스러운 주파수, 현재 위치, 다른 오실레이터와의 연결 강度를 가지고 있습니다. 이러한 연결 강度는 Un-0이 학습하는 부분입니다.

이 시스템은 Kuramoto 오실레이터로 알려진 수학적 모델을 반영하며, 수십 년 전 Kuramoto 박사가 연구한 시스템과 유사합니다. 최근까지 이러한 모델은 주로 이론적이었지만, Un-0은 이러한 모델이 실제 인공지능 문제에 적용될 수 있음을 보여줍니다.

성능과 비교

테스트 결과, Un-0은 몇 년 전 최고의 인공지능 이미지 생성 방법과 비교할 수 있는 이미지 품질을 달성했습니다.

ImageNet 64×64라는 표준 벤치마크에서 시스템은 초기에 발표된 유명한 생성기와 유사한 품질 점수를 달성했습니다.

이것은 패배나 돌파구가 아닙니다. 물리학적 역학을 기반으로 하는 시스템이 이전에 딥러닝의 전유물로 여겨졌던 품질 수준의 이미지를 생성할 수 있음을 보여주는 증거입니다.

연구원들은 현재 상태 오토메이션 시스템이 여전히 Un-0을 능가한다는 것을 인정하지만, 이러한 시스템이 수년간의 최적화를 거친 후 오늘날의 정교한 도구가 되었다는 점을 강조합니다.

물리학 기반 컴퓨팅의 중요성

Un-0의 중요성은 이미지 생성을 넘어섭니다. 물리학적 역학을 기반으로 하는 시스템이 인공지능 작업을 수행하는 경우, 에너지 소비는 전통적인 접근 방식보다 약 1000배 적을 수 있습니다.

이러한 효율성 향상은 인공지능 애플리케이션이 대규모 데이터 센터에 접근할 수 없는 모바일 장치, 임베디드 시스템, 원격 위치에서 실행될 수 있음을 의미합니다.

또한 이러한 시스템은 물리적 프로세스를 시뮬레이션하기 위해 설계된 실리콘 칩과 같은 “비전통적인 기판”에서 직접 구현될 수 있습니다. 이러한 컴퓨터는 프로그램된 명령을 실행하는 대신 자연의 물리적 프로세스를 모방할 것입니다.

더 넓은 지형

Un-0은 전통적인 신경망의 대안을 탐색하는 연구의 유일한 노력은 아닙니다.

학계와 산업계를 통해 과학자들은 열역학적 원리, 아날로그 회로, 양자 역학 및 물리학의 다른 측면에서 영감을 얻은 시스템을 조사하고 있습니다.

이 접근 방식은 모두 동일한 동기를 공유합니다. 전통적인 접근 방식은 에너지 효율성 측면에서 거의 한계에 도달했습니다. 돌파구적 발전은 계산 자체를 재고하는 것을 필요로 할 수 있습니다.

연구 커뮤니티는 인공지능 시스템을 재설계하여 수십억 년 동안 생물학적 및 물리적 시스템을 지배한 원리와 일치시키는 것을 목표로 하는 그랜드 챌린지에 참여하고 있습니다. 이러한 성과는 컴퓨터가 무엇인지 및 어떻게 작동하는지에 대한 근본적인 재개념을 나타낼 것입니다.

현재의 제한과 미래 방향

Un-0 시스템은 여전히 실험적인 단계에 있습니다. 상대적으로 낮은 이미지 해상도에서 작동하며, 아직 가장 발전된 현재 시스템의 성능 수준에 도달하지 못했습니다.

尽管取得了进展,训练过程仍然需要传统计算机和大量时间来完成.

연구원들은 자신의 연구를 투명하게 공개했으며, 훈련 코드와 분석 결과를 자세히 공개했습니다. 이는 이러한 접근 방식이 독점적 솔루션이 아니라 많은 연구자가 탐색하고 개선할 수 있는 새로운 방향임을 보여줍니다.

인공지능 시스템이 현대 사회에서 점점 더 중심이 되는 동안, 더 효율적인 컴퓨팅 접근 방식을 찾는 연구는 학술적 호기심에서 실제 필요성으로 이동하고 있습니다. Un-0은 약속의 방향이 존재하며, 물리학 기반 인공지능의 조사에 이제 막 시작되었음을 보여줍니다.