拡散モデル特級

なぜ大事?

画像を作るAIの中身がこれです。 文章を作るAIとは、まったく違う作りかたをしています。「AIの中身はひとつではない」と分かる、いちばん分かりやすい例です。

やさしい解説

作りかたは、覚えるときと使うときで逆になります。

覚えるとき。 きれいな写真に、少しずつ砂嵐（ノイズ）を混ぜていきます。最後は何が写っていたか分からない、ただの砂嵐になる。その「濁っていく過程」を、何億枚ぶんも覚えさせます。

使うとき。 それを逆にたどります。まったくの砂嵐から始めて、「ここはもう少しきれいだったはず」と少しずつ濁りを取る。それを何十回もくり返すと、何も無かったところから絵が現れます。

大理石の塊から像を彫り出す、と言われることがあります。足すのではなく、余計なものを取り除いていくやりかたです。

同じ言葉で頼んでも、毎回違う絵が出る理由

始まりの砂嵐が毎回違うからです。取り除きかたは言葉で導きますが、出発点がランダムなので、同じ道はたどりません。

だから「さっきの絵をもう一度」が難しい。多くの道具に、始まりの砂嵐を指定する番号があり、そこを固定すると同じ絵に近づけられます。

文章を作るAI（大規模言語モデル）は、次の言葉を1つずつ選んでいく作りでした。まったく別の考えかたです。 近ごろは動画や、文章そのものにもこの仕組みが使われ始めています。

例文

• 「画像生成AIってどうやって絵を作るの?」「拡散モデルっていうんだ。砂嵐から濁りを取っていく感じだよ」
• 「同じ言葉で頼んだのに違う絵が出た」「拡散モデルは、始まりの砂嵐が毎回違うからね」