擴散(diffusion模型，這個比較不明覺厲的名詞，雖然後來知曉原理的人很少，但很多人卻都聽過這個名詞多次。
從AI繪圖軟體生成的作品打敗一眾人類藝術家，斬獲數字藝術類冠軍，到後來Midjourney，、Imagen、novelai等國內外平臺遍地開花。
越來越多的人都曾點開過相關網站，嘗試讓AI描繪腦海中的畫面，又或者是進行區域性的修改調整。
有以文生圖，各種神秘咒語召喚古神的，也有以圖生圖，鬧出各種神奇笑話的。
2022年，AI繪畫，AI生成影象，在短短几個月內數次進步。
每一次的進展突破都帶了了肉眼可見的提升，遠超人類的想象。
就在22年年關左右的時候，大家都還在嘲笑AI繪圖是什麼東西，實在太過醜陋了。
結果三個月後就發現事情似乎沒有那麼簡單，AI開始大量產出各種波濤胸湧的繪圖，這吸引了相當一部分人們的注意力。
那時不少人還在開玩笑說，雖然AI畫得不行，但你真別說，它對題材的把握還是非常不錯的嘛！水平不夠，題材來湊。
等再過三四個月，到22年底的時候，AI繪畫的水平和能力已經無人再去爭議了。
這回大家主要爭論的點又變了，變成了AI繪圖究竟是不是抄襲，AI水平和畫師究竟誰更強。
拋開到底誰更強這件說不清的事不談，單從大家爭論的這些內容就能看出，AI繪畫的能力確實進步得非常之快。
“平心而論，在AI生成這件事情上，GAN生成式方法是讓大家走了彎路的。”
雖然孟繁岐的GAN生成式辦法在學界廣受好評，建立起了很高的學術聲譽和知名度，FaceGAN的假臉生成效果也頗為驚豔，但最終真正讓AI製圖火起來的還是擴散模型。
“GAN辦法生成對抗的模式固然讓人感到驚為天人，但兩個網路彼此對抗學習，畢竟還是非常麻煩的事情。”孟繁岐思忖了一下，現在的大難題，資料是一方面，計算裝置則是另一方面。
本來自己提前釋出技術，顯示卡就已經很不夠用了。目前用GAN去針對某一個特定的事物，比如FaceGAN只做人臉還是比較可以的，但想要從文字直接生成，那難度可就大了。
擴散模型的原理其實並不難，主要是透過對照片新增噪聲，然後在這個過程中學習到當前圖片的各種特徵。之後再隨機生成一個服從高斯分佈的噪聲圖片，然後一步一步的減少噪聲直到生成預期圖片。
程式碼寫起來不是那麼困難，不過若是寫成論文，琢磨其中的原理，那裡面的數理邏輯和推導，夠孟繁岐喝一壺的。
“數學這方面....這兩天找韓辭和付院長他們幫幫忙吧，好久沒怎麼跟他們聯絡了。或者也可以請辛頓和李飛飛指點一下，這兩位都算是我的導師。”涉及數學問題，找數學專業人才自然放心。
李飛飛和辛頓雖然不是數學出身，但李飛飛有物理背景，辛頓更是領域內教父，兩者在這方面實力想必也很強。
新建了資料夾，孟繁岐剛準備開始工作，卻隱約感覺哪裡不對，自己好像遺忘了什麼事情。
半晌才想起來，自己的倒黴室友唐璜今天要到斯坦福附近來。
“這大半年過的，差點忘記我自己還是個學生了。”
高強度研發了三四個月的孟繁岐，感覺時間好像已經過去了一年多。
正好唐璜來了，就給自己放幾天假吧，來了也有幾周了，卻一直沒有好好逛過斯坦福的校園。