🗒初墨

🍊Hello，各位好，我是面包！

当AI将随机噪点转化为惊艳画作时，它正在执行一场精密的「去噪炼金术」。本文以咖啡渍扩散现象为引，层层拆解扩散模型「破坏即创造」的核心悖论，揭示其如何通过马尔可夫链构建概率迷宫，并运用变分推断破解视觉炼金密码。

扩散过程:对原始图片进行噪声变换的过程，分为前向扩散和反向生成，前向扩散是图片不断添加高斯噪声的过程，后向生成是添加噪声之后的图片不断减去噪声的过程。

VAE:一种将图像数据进行压缩方式所依赖的模型，包括解码和编码。

CLIP有两种模态，分别呈现为文本编码器和视觉编码器，它们分别将文本和图像转化为嵌入向量对采样器进行特征修饰，使生成的图片不断趋近于期望的图片。

模型

让机器通过500字的中心思想和梗概去扩写出一篇1万字的文章出来，和原文章肯定不是每字每句都相同的，但看过的人一对比发现和原文章竟然大体上雷同。这个过程便是人工智能的训练学习的过程。我们经常说的大模型训练就是这个意思，学习训练出来的规律总和，就叫“模型”。 知乎

一、咖啡杯里的启示：扩散现象的双向魔法 2015年杜克大学实验室里，研究者观察咖啡渍扩散时获得关键洞见：图像生成可以视为「逆扩散过程」。就像逆向播放咖啡渍在纸面晕染的录像，AI学习将随机噪点「收缩」为有序图案，这奠定了扩散模型的哲学根基——破坏即创造。

二、马尔可夫链：构建概率迷宫的三板斧 前向扩散：对图像施加T次高斯噪声扰动，如同用毛玻璃层层模糊画作 逆向工程：训练神经网络预测每步添加的噪声，建立「去噪路线图」 随机游走：通过重参数化技巧在概率迷宫中稳定导航 Python

简化的训练伪代码

for x0 in 数据集: t = 随机采样时间步 # 选择破坏力度 ε = 随机噪声 # 破坏者 ε_θ = 神经网络(x_t, t) # 重建侦探 loss = ||ε - ε_θ||² # 捉迷藏游戏 三、变分推断：视觉炼金术的能量方程 扩散模型本质上在优化证据下界(ELBO)：

L = E[log p(x₀|X₁)] - D_KL(q(x_T|x₀) || p(x_T)) - Σ D_KL(q(x_{t-1}|x_t,x₀) || p_θ(x_{t-1}|x_t)) 这个看似晦涩的公式，实则在平衡三个炼金要素：

保真度（首项）：重建原始图像的能力 收敛性（末项）：确保逆向过程稳定可控 创造性（隐式）：潜在空间的探索能力 四、工程实践中的「魔改」配方 Classifier-Free Guidance：用条件嵌入引导创作方向 Latent Diffusion：在潜在空间操作降低计算消耗 PLMS采样器：通过动态调整步长加速收敛 扩散模型工作流程图

五、超越像素：扩散模型的哲学启示 当Stable Diffusion把提示词转化为视觉奇迹时，我们看到的不仅是技术突破，更是人类认知范式的转变——创造的本质可能正是对破坏过程的精准逆推。这种在混沌中建立秩序的范式，正在重塑艺术创作、药物设计等领域的创新路径。

"我们不是在创造，而是在重新发现宇宙中本就存在的可能性。" —— 扩散模型开发者手记

💡延展思考：

扩散过程的时间离散化如何影响生成质量？ 去噪预测误差与图像畸变的因果关系 相比GAN，扩散模型在表征学习方面的独特优势 通过这场「破坏与重建」的思维实验，我们得以窥见AI生成艺术的底层密码。当技术洞见与哲学思考产生共振时，或许就是下一次范式革命的前奏。