Представьте мир, где искусственный интеллект не просто распознаёт закат, а рисует его из пустоты. Это кардинальный сдвиг от моделей дискриминации—которые сосредоточены на вычислении вероятности $p(output|input)$ для маркировки существующих данных — к обширной области генеративного ИИ. Мы переходим от границ, которые рисовали в прошлом, к моделированию самого основного распределения данных.

Определение архитектурного ландшафта

Наша классификация определяется тремя различными математическими стратегиями, каждая из которых предлагает уникальные преимущества для мультимодального синтеза и синтеза изображений:

• Генеративные адверсарные сети (GANs): Высокорисковое противостояние между двумя нейросетями — генератор (подделка) и дискриминатор (детектив). Это адверсарное взаимодействие заставляет генератор создавать всё более неразличимый контент.
• Модели диффузии: Процесс поиска порядка в хаосе. Эти модели учатся путём постепенного добавления и удаления шума из данных, в конечном итоге осваивая способность формировать надёжные представления из чистого шума.
• Авторегрессивные трансформеры: Архитекторы последовательностей. Модели, такие как Генеративный предобученный трансформер (GPT) работают путём предсказания следующего токена на основе контекста всего, что было до этого, создавая длинные, согласованные повествования и структуры.