生成式 AI - 擴散模型 (Diffusion Model)

1. 前言：為什麼 GAN 失寵了？

在前兩天，我們學到了：

• GAN (Day 19)：畫質好，但訓練很不穩定。
• VAE (Day 20)：訓練穩定，但畫質模糊。

2020 年後，一位新霸主橫空出世：Diffusion Model (擴散模型)。它結合了兩者的優點：畫質極高 且 訓練穩定。現在最紅的 Stable Diffusion、DALL-E 3、Midjourney 全部都是基於這個原理。

2. 核心概念：加噪與去噪

Diffusion 的靈感來自物理學的「擴散現象」(例如一滴墨水滴入水中，慢慢擴散開來)。

核心過程

1. Forward Process (前向過程 - 加噪)：

   • 破壞：把一張清晰的照片，慢慢加入雜訊 (Gaussian Noise)，最後變成一張完全看不出原本長相的「雪花屏」。
   • 比喻：把一塊精緻的積木城堡，慢慢拆散成一堆散落的積木。

2. Reverse Process (逆向過程 - 去噪)：

   • 創造：從一張純雜訊開始，讓 AI 猜「原本的樣子」，一步步把雜訊拿掉，最後變回清晰的圖片。
   • 比喻：看著那堆散落的積木，讓它們一步步自動組回城堡。

3. 核心原理：AI 到底在學什麼？

數學上我們無法從雜訊還原圖片，但我們可以訓練 AI 去尋找 「資料的分佈方向」。這不再只是簡單的「猜雜訊」，而是關於 「機率梯度 (Gradient)」 的藝術。

核心概念：Score Function (引力場)

與其說 AI 在「猜雜訊」，不如說它在學習一個指向真實數據的 「引力場 (Gravity Field)」。

• 引力源 (Data Points)：想像每一張真實的圖片（如：手寫數字 7）都是一顆隱藏在黑暗中的 「強力磁鐵」。
• 鐵粉 (Noise)：隨機生成的雜訊就像撒在桌面上的 「鐵粉」，原本雜亂無章。
• 引力導航 (Score)：AI 學習的就是這股 「磁力線」。當你丟出隨機雜訊時，AI 會測量周圍的磁場強度，並告訴鐵粉：「往左邊挪動一點，那邊的引力更強。」

這就是去噪的本質：雜訊粒子並非被「修正」，而是被 「吸引」 回了真實數據所在的分佈區域。

為什麼要「加噪」？(數據平滑化)

原始數據的分佈通常非常稀疏（例如：100x100 的圖，只有極少數組合是人臉）。

• 問題：在沒資料的地方，AI 根本不知道該往哪走（梯度消失）。
• 解法：透過逐步加噪，我們把原本孤立的資料點「暈染」開來。

生成過程：從混沌到秩序

去噪的過程是一場 「機率引導的隨機漫步」：

1. 隨機起點：在雪花屏中隨機選一個點。
2. 坡度預測：詢問 U-Net：「這裡的梯度是多少？」
3. 受控步進：根據梯度移動一小步，重複幾十次後，雜訊就會自動「凝聚」成一個符合資料分佈、但世界上從未出現過的全新物件。

4. 實戰：用 Diffusion 生成手寫數字

我們透過 MNIST 實驗，看看 AI 如何從混沌中創造秩序。

• 現象：由於 Diffusion 是「慢工出細活」，生成的背景非常乾淨，筆畫也比 VAE 紮實許多。
• 創意來源：因為雜訊的組合是無限的，AI 每次「腦補」出的細節都不同。這就是它能無中生有、創造世界上不存在圖片的原因。

5. 生成模型三巨頭比較

6. 總結

Diffusion Model 的成功在於它不急著一次畫好，而是透過「不斷修正」來追求完美。

下一關我們將進入 Reinforcement Learning (強化學習) 的世界。這是不一樣的 AI：它不是看資料學習，而是像玩遊戲一樣，透過「獎勵與懲罰」來學習！