量子位
·
物理学家靠生物揭开AI创造力来源：起因竟是“技术缺陷”
💡
原文中文，约6200字，阅读约需15分钟。
📝
内容提要
两位物理学家研究表明，图像生成AI的“创造力”源于扩散模型的去噪过程，类似于生物细胞的自我组装。他们发现局部性和等变性机制促进了AI的创造力，使其能够生成新颖的图像，揭示了AI与人类创造力的相似性。
🎯
关键要点
- 两位物理学家提出扩散模型的去噪过程与生物细胞自我组装相似，认为AI的创造力源于此。
- 扩散模型的设计初衷是生成与训练数据一致的图像，但实际上它们能够创造出新的、有意义的图像。
- 局部性和等变性机制被认为是扩散模型创造力的关键，局部性关注单个像素块，等变性确保图像结构的连贯性。
- 研究者设计了等变局部评分机（ELS），证明优化局部性和等变性可以产生与扩散模型相似的结果。
- 研究结果显示，扩散模型的创造力是去噪过程的副产品，局部性和等变性机制反而促进了创造力的产生。
- 尽管研究阐明了扩散模型的创造力机制，但仍有疑问，例如其他AI系统的创造力来源于何处。
❓
延伸问答
扩散模型的去噪过程与生物细胞自我组装有什么相似之处？
扩散模型的去噪过程类似于生物细胞的自我组装，都是通过局部性和等变性机制来生成新颖的结构和图像。
扩散模型的创造力是如何产生的？
扩散模型的创造力源于去噪过程中的局部性和等变性机制，这些机制促进了新图像的生成。
等变局部评分机（ELS）是什么？
等变局部评分机（ELS）是一种基于局部性和等变性机制的数学模型，用于解析和预测去噪图像的组成。
局部性和等变性在扩散模型中扮演什么角色？
局部性关注单个像素块的生成，而等变性确保图像结构的连贯性，这两者共同促进了扩散模型的创造力。
扩散模型的“多余手指”现象是什么？
“多余手指”现象是指扩散模型在生成图像时，因过度关注局部像素而导致的结构错误，类似于生物系统的错误。
这项研究对理解人类创造力有什么启示？
研究表明，AI和人类的创造力可能源于对世界理解的不完整，二者在创造过程中都在填补知识的空白。
➡️
