详细内容或原文请订阅后点击阅览
初创公司的“基于振荡器”的人工智能技术的能源效率可能是传统计算的 1,000 倍
工程师表示，基于新型物理计算构建的人工智能图像生成器所使用的功率比现有的稳定的基于扩散的方法要少得多。
来源:LiveScience研究人员推出了一种新的“超高效”人工智能 (AI) 模型，该模型可以通过使用物理振荡器网络而不是传统的基于计算的计算基础设施来生成图像。
这种被称为“Un-0”的新模型是由 Unconventional AI 创建的，这是一家最近成立的科技公司，由一群杰出的人工智能研究人员创立。
其中包括领导麻省理工学院编程系统小组的副教授 Michael Carbin；斯坦福大学计算机科学和电气工程助理教授 Sara Achour；前 Google 工程师 MeeLan Lee；以及斯坦福大学计算机科学和电气工程助理教授 Sara Achour。以及分析公司 Databricks 的前人工智能主管 Naveen Rao。科学家们在 6 月 25 日在该公司网站上发表的一篇技术博客文章中概述了这种新模型的细节。该模型也可通过 GitHub 公开获取。
Un-0 代表了该公司基础技术的第一个概念证明，该技术将 Achour 在非线性物理基底（一种通过运行自身自然、连续的物理定律来执行数学计算的物理材料或硬件设备）方面的工作与 Carbin 对机器学习和物理动力学的研究结合起来。该模型本身是一个“物理动力系统”，它使用随时间变化的物理运动来执行计算。
基于振荡器的 AI 计算
传统计算机通过使用晶体管系统来工作 - 微型电子开关可以打开以让电流流过它们，也可以关闭以阻止电流。这些信号可以被计算机芯片读取为“1”或“0”，并且将数百万甚至数十亿个这些晶体管层叠在一起使它们能够执行复杂的数学方程。
但是，尽管这些系统使用原始数学来驱动计算过程，但非常规人工智能的概念却基于物理和物理运动。该理论的核心是振荡器——产生连续波形的物理设备，如节拍器。