第(3/3)頁 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艷，但最終真正讓AI制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，但兩個網絡彼此對抗學習，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，數據是一方面，計算設備則是另一方面。 本來自己提前發布技術，顯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，但想要從文本直接生成，那難度可就大了。 擴散模型的原理其實并不難，主要是通過對照片添加噪聲，然后在這個過程中學習到當前圖片的各種特征。之后再隨機生成一個服從高斯分布的噪聲圖片，然后一步一步的減少噪聲直到生成預期圖片。 代碼寫起來不是那么困難，不過若是寫成論文，琢磨其中的原理，那里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，好久沒怎么跟他們聯絡了。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。 新建了文件夾，孟繁岐剛準備開始工作，卻隱約感覺哪里不對，自己好像遺忘了什么事情。 半晌才想起來，自己的倒霉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。