Vol.40 AI生图是受控熵减的时光倒流

本期节目主要探讨了 AI 生成图像背后的原理。首先，对比了语言模型和图像模型的差异，指出图像模型需要一个翻译步骤将文字 prompt 转换成与图片生产更接近的描述信息。接着，介绍了 OpenAI 的 CLIP 模型，它通过对比学习，将文字描述和图像转换成向量，在高维空间中建立联系。然后，阐述了扩散模型（Diffusion）的概念，即将纯噪声图像逐步转化为高质量图像的过程，并解释了 AI 生图是让模型观看加噪音过程并逆转噪音的过程。最后，讨论了 AI 生图与人类绘画的不同，以及 AI 模型对视觉经验的理解，强调了图片模型在工具性方面比语言模型有更大的潜力。