你一定見過那些奇怪的AI畫：人物手上多出幾根手指、臉部細節(jié)怪異，卻又帶著某種說不出的新鮮感。

這讓人產(chǎn)生一個疑問：擴散模型明明只「復刻」，為什么還能畫出前所未見的作品？

最新一項研究給出了答案：

其實，AI的創(chuàng)造力并非「神來之筆」，而是模型架構的副作用。

明明只會復制，AI為何還能創(chuàng)作？

擴散模型的任務很簡單：把數(shù)字噪聲還原成訓練過的圖像。

就像把一幅畫放入碎紙機，直到只剩下一堆細小的灰塵，然后將碎片重新拼湊到一起。

照理說，它應該只會生成「復制品」。

可現(xiàn)實卻讓研究者大跌眼鏡。

DALL·E、Imagen、Stable Diffusion這些模型，畫出的不是「翻版」，而是全新的圖像：

不同元素被組合在一起，構成前所未見的場景。

更令人意外的是，這些拼貼并不是毫無意義的雜亂色塊，而是帶著語義的完整作品。

DALL·E 2制作了這些「金魚在海灘上啜飲可口可樂」的圖像。這個由 OpenAI創(chuàng)建的程序可能從未遇到過類似的圖像，但它仍然可以自行生成這樣的圖像。

還記得那些在社交平臺瘋傳的「AI多手指人像」嗎？

有些圖看上去像是超現(xiàn)實主義的畫——人物手上莫名其妙多出幾根手指，但整體仍舊保持了清晰的結(jié)構感。

這類怪異產(chǎn)物，一度被當成笑料，卻也讓科學家警覺：模型為什么會「即興發(fā)揮」？

Giulio Biroli將這種現(xiàn)象稱為「擴散模型的悖論」：

「如果它們真的只是記憶，就不該有創(chuàng)造力；可它們偏偏能畫出前所未見的東西」。

那么，AI的創(chuàng)造力到底是從哪里來的？

六指人像背后的「bug獎勵」

在最新研究里，兩位物理學家給出了一個頗為出乎意料的答案：

AI的「創(chuàng)造力」，其實是它架構里的副作用。

擴散模型在生成圖像時，依賴兩條嚴格的規(guī)則：

第一條叫做局部性。

它在繪制過程中，并不會通盤考慮整張畫面，而是一次只關注一個小小的像素「拼塊」。

就像拼圖時，你盯著一塊顏色相近的小碎片，卻不會去想它最終會出現(xiàn)在整幅畫的哪個角落。

第二條叫做平移等變性。

如果輸入圖像整體往左或往右挪動幾個像素，模型生成的畫面也必須跟著同步移動。

這是它保持圖像結(jié)構連貫的方式。

這兩條機制，本來是擴散模型在「去噪」時的限制條件。

研究者一度認為這是缺陷，會讓模型沒法生成完美的復制品。

可事實證明，正是這種「不完美」，反而讓AI無法完全依賴記憶，必須在局部的拼貼里即興重組。

這就導致了，手指可能多長了幾根，元素可能拼接得有點怪異，但整體畫面卻意外生出了新意。

也就是說，AI 的創(chuàng)造力，并不是額外設計出來的能力，而是它架構必然帶來的副作用。

ELS方程機：創(chuàng)造力的數(shù)學化證明

如果說AI的創(chuàng)造力真是副作用，那要如何證明？

斯坦福大學的研究生Mason Kamb和導師Surya Ganguli，進行了一次實驗。

他們基于那兩條規(guī)則構建了一套純粹的數(shù)學系統(tǒng)，命名為ELS方程機（Equivariant Local Score machine）。

這個系統(tǒng)的特別之處在于，它不依賴海量訓練數(shù)據(jù)，也沒有任何黑箱深度網(wǎng)絡。

它是一套方程，用來預測當噪聲一步步被「去除」時，圖像會如何拼合。

然后，他們把同一組噪聲圖像同時輸入ELS方程機和真實的擴散模型。

結(jié)果令人震驚：ELS方程機生成的結(jié)果，與擴散模型的輸出平均重合度高達 90%。

在機器學習領域，這幾乎是前所未有的精度。

Ganguli感嘆道：

「這就像是用一組公式，寫下了創(chuàng)造力的來源?！?/span>

所謂的「AI創(chuàng)造力」，并不是神秘的靈感，而是局部性與等變性在動態(tài)運行中必然產(chǎn)生的產(chǎn)物。

只要滿足這兩個條件，「創(chuàng)造」就會自動出現(xiàn)。

AI的小失誤，揭開人類創(chuàng)造力的秘密

這項研究不僅揭開了擴散模型的秘密，還讓人聯(lián)想到生命系統(tǒng)。

Mason Kamb之所以產(chǎn)生這個靈感，是因為他長期研究形態(tài)發(fā)生——也就是胚胎如何從一團細胞，自我組裝成器官和肢體。

在這個過程中，細胞只是根據(jù)身邊鄰居的信號做出局部反應。

大多數(shù)時候，這種自組織能順利生成一個正常的身體，但偶爾也會出錯——比如多長出幾根手指。

當Kamb看到擴散模型生成的那些「AI多指人像」時，他立刻聯(lián)想到胚胎發(fā)育里的這種「局部拼貼錯誤」。

這說明，AI的創(chuàng)造力，本質(zhì)上和生物的自組織過程，有著驚人的相似。

研究者甚至提出一個更大膽的類比：人類的創(chuàng)造力，也許和AI并沒有本質(zhì)不同。

我們的大腦，并不是憑空冒出靈感，而是在有限的經(jīng)驗和記憶中，不斷拼接、補全、想象，最后產(chǎn)出新東西。

正是這偶爾的錯誤與缺口，反而成為創(chuàng)新的源泉。

正如IBM研究員Benjamin Hoover所說：

「人類和AI的創(chuàng)造力，可能都根植于對世界的不完整理解?！?/span>

創(chuàng)造力未必是高高在上的天賦，它也可能是一種副作用，一種「不完美」帶來的意外之喜。

當「創(chuàng)造力」能被一組公式寫下，人類和機器的界限也愈發(fā)模糊了。

或許，真正的靈感，從來不是天才的特權，而是「不完美」的副產(chǎn)物。

研究揭示的，不只是AI的密秘密。

也許是在提醒我們：創(chuàng)造，往往生長于偏差之中。