3 risposte
Fondamentalmente questi modelli fanno quantità folli di calcolo matriciale e calcolo alle spalle. Sono stati allenati su miliardi di immagini quindi hanno imparato i pattern statistici di quali pixel tendono a stare insieme, e poi quando dai loro un prompt, stanno usando distribuzioni di probabilità per essenzialmente indovinare pixel per pixel cosa dovrebbe venire dopo. È tipo se memorizzassi milioni di foto e qualcuno ti descrivesse una scena, il tuo cervello riempirebbe i dettagli basandosi su pattern che avevi visto prima - eccetto che l'IA lo fa attraverso puro calcolo matematico invece che intuizione.
I generatori di immagini con intelligenza artificiale usano modelli matematici complessi chiamati reti neurali che hanno imparato schemi da milioni di immagini, poi usano la matematica probabilistica per prevedere quali pixel dovrebbero venire dopo in base alla tua descrizione di testo.
È un po' come se avessero memorizzato quali colori e forme tendono a stare insieme, e stanno facendo un riconoscimento di schemi davvero avanzato per costruire un'immagine che corrisponda al tuo prompt.
La parte matematica è vera, ma non si tratta tanto di predire i pixel uno per uno, quanto piuttosto di lavorare al contrario partendo dal rumore - il modello impara a rimuovere gradualmente il caos casuale mentre lo trasforma verso schemi che corrispondono al tuo prompt testuale, un po' come sviluppare una foto al contrario. È pazzesco perché il lavoro pesante non è solo moltiplicazione di matrici, in realtà è campionamento da distribuzioni di probabilità milioni di volte per immagine, quindi ogni esecuzione ti dà qualcosa di leggermente diverso a meno che non blocchi il seed.
La tua risposta
Accediper rispondere.