Llega Un-0, el primer modelo generativo a gran escala que usa la física como primitiva computacional. ¿Reducirá el consumo energético de la IA 1000 veces?
Unconventional AI ha presentado Un-0, el primer modelo de generación de imágenes a gran escala que utiliza sistemas físicos acoplados (osciladores) como primitivas computacionales. Desarrollado por el exdirector de IA de Databricks, Naveen Rao, el modelo busca abordar la creciente crisis energética de la IA al aprovechar la dinámica natural de los sistemas físicos para realizar cálculos, con el objetivo de reducir el consumo energético del *inference* en hasta 1000 veces en comparación con los sistemas digitales actuales basados en GPU.
Un-0 funciona con un gran conjunto de osciladores acoplados, cuyas interacciones (matriz de acoplamiento) y frecuencias naturales son los parámetros principales aprendidos. Para generar una imagen, el sistema inicializa fases aleatorias, introduce una guía de categoría a través de osciladores condicionales, deja que el sistema físico evolucione hasta estabilizarse y finalmente decodifica la fase resultante en píxeles.
Evaluado en ImageNet 64×64, Un-0 alcanza un FID de 6.74, un rendimiento comparable al de modelos generativos tradicionales tempranos (como BigGAN o iDDPM), aunque por debajo de los más avanzados. El modelo demuestra la viabilidad de usar sistemas dinámicos físicos para tareas modernas de IA y marca un primer paso hacia hardware no convencional que podría ofrecer ganancias masivas en eficiencia energética al integrar computación y memoria, evitando el costoso movimiento de datos de la arquitectura de von Neumann.
marsbit06/26 10:58
