Ein Start-up generiert Bilder nicht mehr mit klassischen neuronalen Netzen auf der GPU, sondern mit einem simulierten System gekoppelter Oszillatoren. Das Ziel dahinter ist radikal: KI mit einem Bruchteil der heutigen Energie zu rechnen.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenBilder erzeugen, ohne ein neuronales Netz auf der Grafikkarte laufen zu lassen: Mit diesem Ansatz meldet sich das Start-up Unconventional AI zu Wort. Das Modell Un-0 generiert Bilder über ein simuliertes System gekoppelter Oszillatoren, bei dem die Physik selbst die Rechenarbeit übernimmt. Für Entscheider, die auf explodierende KI-Energiekosten schauen, steckt darin ein interessanter Gegenentwurf zum GPU-Monopol.
Das Wichtigste in Kürze
- Un-0 erzeugt Bilder über ein simuliertes System gekoppelter Oszillatoren statt über ein klassisches neuronales Netz
- Auf dem Benchmark ImageNet in 64×64 Pixeln erreicht das Modell einen FID-Wert von 6,74
- Das erklärte Fernziel ist ein Energiebedarf von rund einem Tausendstel heutiger Systeme
- Gewichte, Trainings- und Ablations-Code sind vollständig offen verfügbar
Wie rechnet ein Oszillator-System ein Bild?
Der Kern der Idee ist physikalisch, nicht digital. Ein Oszillator ist eine einfache physische Schaltung, und ein gekoppeltes System aus vielen davon lässt sich direkt in CMOS oder anderen Substraten umsetzen, sodass die Physik des Aufbaus die Dynamik berechnet. Die Inferenz läuft in mehreren Schritten ab: Zunächst bekommt jeder Oszillator eine zufällige Phase als Startzustand, das Gegenstück zum Rauschen, aus dem ein Diffusionsmodell ein Bild formt. Eine zweite, kleinere Gruppe von Oszillatoren steuert die gewünschte Bildklasse bei, etwa „Gänseblümchen“ oder „Vulkan“.
Die Qualität liegt auf dem Niveau etablierter Verfahren bei deren Erstveröffentlichung. Mit einem FID-Wert von 6,74 auf ImageNet in niedriger Auflösung erreicht Un-0 das, wofür führende klassische Bildgeneratoren anfangs standen. Das Start-up verfolgt damit eine klare Wette: Wenn die Gesetze der Physik KI-Lasten berechnen können, sieht die Hardware der Zukunft völlig anders aus als die heutige GPU-Halle.
Un-0 ist noch Grundlagenforschung, keine fertige Alternative zur GPU. Spannend ist die Richtung: Wer den Energiehunger der KI ernst nimmt, kommt an physikalischem Rechnen kaum vorbei, und Unconventional AI legt den Code dafür offen.
— Michael Dobler, Herausgeber Dr. Web
Was bedeutet das für die Praxis?
Der praktische Nutzen liegt heute noch in der Ferne. Ein FID-Wert auf einem kleinen Benchmark ist ein Forschungsergebnis, kein Produkt, und der Sprung von der Simulation zu echter Oszillator-Hardware in CMOS steht noch aus. Der eigentliche Hebel wäre der Energiebedarf, denn das Start-up nennt als Ziel rund ein Tausendstel dessen, was heutige Maschinen brauchen.
Für die Branche ist der Ansatz vor allem ein Signal. Mit dem rasanten Ausbau der KI-Rechenzentren wird Energie zum begrenzenden Faktor, und alternative Rechensubstrate rücken damit aus der Nische in den Blick strategischer Planung. Wer KI-Infrastruktur langfristig denkt, sollte solche physikalischen Ansätze als mögliche Effizienz-Sprünge im Auge behalten.
Die Offenheit senkt die Einstiegshürde für eigene Experimente. Weil Gewichte und Code frei liegen, kann jedes Forschungsteam die Ergebnisse nachvollziehen und auf eigenen Daten testen. Die technischen Details stehen im Blogbeitrag von Unconventional AI. Wie schnell sich die Modelllandschaft insgesamt bewegt, zeigt unser Überblick zur jüngsten KI-Modellflut.
Mehr #KI News
Mehr zu physikalischem Rechnen
Mehr Newshunger?
