L’intelligenza artificiale non convenzionale ha svelato un modello sperimentale di generazione di immagini che sostituisce il calcolo convenzionale basato su calcoli pesanti con una rete simulata di oscillatori fisici. La startup afferma che l’approccio sottostante potrebbe eventualmente utilizzare fino a 1.000 volte meno energia rispetto agli attuali sistemi di intelligenza artificiale.
Il modello, chiamato Un-0, è la prima prova di concetto dell’azienda. L’intelligenza artificiale non convenzionale è stata fondata da ricercatori tra cui il professore associato del MIT Michael Carbin, l’assistente professoressa di Stanford Sara Achour, l’ex ingegnere di Google MeeLan Lee e l’ex capo dell’intelligenza artificiale di Databricks Naveen Rao. Il team ha pubblicato i dettagli tecnici il 25 giugno e ha rilasciato il modello tramite GitHub.
La maggior parte dei computer esegue calcoli commutando rapidamente miliardi di transistor tra lo stato acceso e quello spento. I generatori di immagini basati su modelli di diffusione iniziano con il rumore visivo e calcolano ripetutamente ciò che deve essere rimosso per produrre l’immagine richiesta, eseguendo in genere tra i 20 e i 50 passaggi di perfezionamento.
Un-0 rappresenta invece l’informazione attraverso gli oscillatori, sistemi fisici che producono onde ripetitive. Gli oscillatori collegati si influenzano naturalmente a vicenda finché i loro ritmi non iniziano ad allinearsi, un processo descritto dal modello Kuramoto.
Per generare un’immagine, il sistema assegna diversi modelli di fase dell’oscillatore a categorie come scarpe o treni. Un gruppo più piccolo configurato con il pattern desiderato funge da suggerimento e attira gradualmente la rete più ampia di oscillatori posizionati casualmente verso la stessa disposizione.
Il sistema registra quindi le fasi finali degli oscillatori come una griglia numerica. Un decodificatore separato converte quella griglia in valori di pixel per produrre l’immagine.
L’intelligenza artificiale non convenzionale sostiene che l’hardware dell’oscillatore fisico potrebbe consumare molta meno elettricità perché la corrente fluirebbe continuamente attraverso circuiti chiusi anziché essere forzata attraverso trilioni di operazioni di commutazione dei transistor. Il modello Un-0 esistente non garantisce ancora tali risparmi perché simula gli oscillatori su hardware convenzionale. La società prevede infine di sviluppare chip dedicati basati su oscillatori.
I ricercatori hanno testato Un-0 utilizzando i set di dati di immagini CIFAR-10 e ImageNet 64×64. Su CIFAR-10, il punteggio della distanza iniziale di Fréchet è migliorato da 11,01 con 1.024 oscillatori a 8,76 con 4.096 oscillatori. I punteggi più bassi indicano che le immagini generate assomigliano maggiormente ai dati di riferimento.
Su ImageNet 64×64, il punteggio è migliorato da 8,41 con 6.656 oscillatori a 6,74 con 16.384 oscillatori. I ricercatori hanno affermato che i risultati erano paragonabili ai primi generatori di immagini come BigGAN di Google e iDDPM di OpenAI, anche se hanno avvertito che le cifre dovrebbero essere trattate come punti di riferimento piuttosto che misurazioni direttamente equivalenti.
Il team ha riconosciuto che gli attuali generatori di immagini producono ancora una migliore qualità complessiva utilizzando i loro parametri in modo più efficiente. L’intelligenza artificiale non convenzionale ha rilasciato i pesi del modello, il codice di addestramento e gli script di ablazione in modo che altri ricercatori possano testare l’approccio ed eseguire le proprie simulazioni.
