Kompetencje AI / Słowniczek

Model dyfuzyjny

Model dyfuzyjny to rodzaj generatywnej AI, który tworzy obrazy (a czasem wideo lub dźwięk), zaczynając od losowego szumu i usuwając go krok po kroku, prowadzony przez prompt, aż pojawi się obraz.

Podczas trenowania model widzi wiele obrazów z coraz większym szumem i uczy się cofać ten szum po trochu. Uczy się też, które cechy obrazu pasują do których słów.

Żeby stworzyć nowy obraz, zaczyna od samego szumu i raz za razem przewiduje nieco mniej zaszumioną wersję, która pasuje do promptu. Po wielu małych krokach wyłania się szczegółowy obraz.

Ponieważ model odtwarza obrazy z wyuczonych wzorców, potrafi robić typowe błędy, np. dziwne dłonie, pokręcony tekst albo niemożliwe odbicia, choć zdarzają się coraz rzadziej. Dlatego oznaczenia, informacje o pochodzeniu i kontekst są ważniejsze niż szukanie usterek.