พื้นฐาน AI

โมเดลการแพร่กระจายใน AI – ทุกสิ่งที่คุณต้องทราบ

เผยแพร่ 31 มีนาคม 2023

อัปเดต 23 พฤษภาคม 2026

Haziqa Sajid

เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

ในระบบ AI โมเดลการแพร่กระจายกำลังกำหนดทิศทางและความเร็วของความก้าวหน้าทางเทคโนโลยี พวกเขาเปลี่ยนแปลงวิธีการที่เราเข้าใกล้การทำงาน AI ที่ซับซ้อน การสร้าง AI โมเดลเหล่านี้อาศัยคณิตศาสตร์ของหลักการกอสเซียน ความแปรปรวน สมการเชิงอนุพันธ์ และลำดับการสร้าง (เราจะอธิบายคำศัพท์ทางเทคนิคด้านล่าง)

ผลิตภัณฑ์และโซลูชัน AI ที่พัฒนาโดย Nvidia (NVDA ), Google (GOOGL ), Adobe (ADBE ) และ OpenAI ได้นำโมเดลการแพร่กระจายมาเป็นจุดสนใจ DALL.E 2, Stable Diffusion และ Midjourney เป็นตัวอย่างที่โดดเด่นของโมเดลการแพร่กระจายที่กำลังได้รับความนิยมบนอินเทอร์เน็ตในขณะนี้ ผู้ใช้สามารถให้คำสั่งพื้นฐานเป็นข้อความและโมเดลเหล่านี้สามารถแปลงข้อความเหล่านั้นเป็นภาพที่มีลักษณะเหมือนจริง เช่นภาพที่แสดงด้านล่าง

ภาพที่สร้างด้วย Midjourney v5 โดยใช้คำสั่งพื้นฐาน: vibrant California poppies. แหล่งที่มา: Midjourney

มาทำความเข้าใจหลักการทำงานพื้นฐานของโมเดลการแพร่กระจายและวิธีที่พวกมันเปลี่ยนแปลงทิศทางและมาตรฐานของโลกที่เรามองเห็นในวันนี้

อะไรคือโมเดลการแพร่กระจาย?

ตามการเผยแพร่การวิจัย “โมเดลการแพร่กระจายแบบสุ่ม” โมเดลการแพร่กระจายถูกกำหนดเป็น:

“โมเดลการแพร่กระจายหรือโมเดลการแพร่กระจายแบบสุ่มคือโมเดลมาร์คอฟที่มีพารามิเตอร์ที่ได้รับการฝึกฝนโดยใช้การอนุมานแบบแปรผันเพื่อสร้างตัวอย่างที่ตรงกับข้อมูลหลังจากช่วงเวลาหนึ่ง”

โดยสรุป โมเดลการแพร่กระจายสามารถสร้างข้อมูลที่คล้ายกับข้อมูลที่พวกมันถูกฝึกฝน หากโมเดลถูกฝึกฝนด้วยภาพของแมว มันสามารถสร้างภาพของแมวที่มีลักษณะเหมือนจริงได้

ทีนี้ มาทำความเข้าใจคำจำกัดความทางเทคนิคที่กล่าวถึงข้างต้นกัน โมเดลการแพร่กระจายได้รับแรงบันดาลใจจากหลักการทำงานและรากฐานทางคณิตศาสตร์ของโมเดลที่สามารถวิเคราะห์และคาดการณ์พฤติกรรมของระบบที่เปลี่ยนแปลงตามเวลา เช่น การคาดการณ์ผลตอบแทนของตลาดหุ้นหรือการแพร่กระจายของโรค

คำจำกัดความระบุว่าพวกมันเป็นโมเดลมาร์คอฟที่มีพารามิเตอร์ที่ได้รับการฝึกฝนโดยใช้การอนุมานแบบแปรผัน โมเดลมาร์คอฟคือโมเดลทางคณิตศาสตร์ที่กำหนดระบบที่เปลี่ยนระหว่างสถานะต่างๆ ตามเวลา สถานะปัจจุบันของระบบสามารถกำหนดความน่าจะเป็นในการเปลี่ยนไปสู่สถานะเฉพาะได้

การฝึกโมเดลโดยใช้การอนุมานแบบแปรผันเกี่ยวข้องกับการคำนวณที่ซับซ้อนสำหรับการกระจายความน่าจะเป็น มันพยายามค้นหาพารามิเตอร์ที่ถูกต้องของโมเดลมาร์คอฟที่ตรงกับข้อมูลที่ทราบ (หรือที่เรียกว่าข้อมูลที่สังเกตได้) หลังจากช่วงเวลาหนึ่ง กระบวนการนี้จะลดค่าของฟังก์ชันการสูญเสียของโมเดล ซึ่งเป็นความแตกต่างระหว่างสถานะที่คาดการณ์ไว้ (ไม่ทราบ) และสถานะที่สังเกตได้ (ทราบ)

เมื่อโมเดลถูกฝึกฝนแล้ว มันสามารถสร้างตัวอย่างที่ตรงกับข้อมูลที่สังเกตได้ได้ ตัวอย่างเหล่านี้แสดงถึงเส้นทางหรือสถานะที่ระบบสามารถเปลี่ยนไปตามเวลาได้ และแต่ละเส้นทางมีความน่าจะเป็นที่แตกต่างกันในการเกิดขึ้น ดังนั้น โมเดลสามารถคาดการณ์พฤติกรรมในอนาคตของระบบโดยการสร้างตัวอย่างและค้นหาความน่าจะเป็นของแต่ละตัวอย่าง

วิธีการตีความโมเดลการแพร่กระจายใน AI?

โมเดลการแพร่กระจายเป็นโมเดลการสร้างที่ลึกซึ้งซึ่งทำงานโดยการเพิ่มสัญญาณรบกวน (สัญญาณรบกวนแบบกอสเซียน) ให้กับข้อมูลการฝึกที่มีอยู่ (หรือที่เรียกว่ากระบวนการแพร่กระจายไปข้างหน้า) และจากนั้นกลับกระบวนการ (หรือที่เรียกว่าการลบสัญญาณรบกวนหรือกระบวนการแพร่กระจายย้อนกลับ) เพื่อฟื้นฟูข้อมูล โมเดลเรียนรู้ที่จะลบสัญญาณรบกวนออกไป กระบวนการลบสัญญาณรบกวนที่เรียนรู้นี้สามารถสร้างภาพใหม่ที่มีคุณภาพสูงจากเมล็ดสุ่ม (ภาพที่มีสัญญาณรบกวน) ได้

กระบวนการแพร่กระจายย้อนกลับ: ภาพที่มีสัญญาณรบกวนถูกลบสัญญาณรบกวนเพื่อฟื้นฟูภาพเดิม (หรือสร้างภาพที่มีลักษณะเหมือนกัน) โดยใช้โมเดลการแพร่กระจายที่ได้รับการฝึกฝน. แหล่งที่มา: โมเดลการแพร่กระจายแบบสุ่ม

3 ประเภทของโมเดลการแพร่กระจาย

มี สามกรอบทางคณิตศาสตร์พื้นฐาน ที่เป็นพื้นฐานของวิทยาศาสตร์เบื้องหลังโมเดลการแพร่กระจาย ทั้งสามแบบทำงานบนหลักการเดียวกันในการเพิ่มสัญญาณรบกวนและจากนั้นลบสัญญาณรบกวนออกเพื่อสร้างตัวอย่างใหม่ มาทำความเข้าใจพวกมันในรายละเอียดด้านล่าง

โมเดลการแพร่กระจายเพิ่มและลบสัญญาณรบกวนจากภาพ. แหล่งที่มา: การสำรวจโมเดลการแพร่กระจายในด้านการมองเห็น

1. โมเดลการแพร่กระจายแบบสุ่มที่มีการลบสัญญาณรบกวน (DDPMs)

ตามที่อธิบายไว้ข้างต้น DDPMs เป็นโมเดลการสร้างที่ใช้หลักในการลบสัญญาณรบกวนจากข้อมูลภาพหรือเสียง พวกมันแสดงผลลัพธ์ที่น่าประทับใจในงานลบสัญญาณรบกวนภาพและเสียงต่างๆ ตัวอย่างเช่น อุตสาหกรรมภาพยนตร์ใช้เครื่องมือประมวลผลภาพและวิดีโอร่วมสมัยเพื่อปรับปรุงคุณภาพการผลิต

2. โมเดลการสร้างแบบสุ่มที่มีการปรับตามสัญญาณรบกวน (SGMs)

SGMs สามารถสร้างตัวอย่างใหม่จากการกระจายตัวที่กำหนด พวกมันทำงานโดยการเรียนรู้ฟังก์ชันคะแนนการประมาณที่สามารถประมาณการลอการิทึมของความหนาแน่นของการกระจายตัวเป้าหมายได้ การประมาณการลอการิทึมของความหนาแน่นทำให้สมมติฐานเกี่ยวกับจุดข้อมูลที่มีอยู่ที่เป็นส่วนหนึ่งของชุดข้อมูลที่ไม่รู้จัก (ชุดทดสอบ) ฟังก์ชันคะแนนนี้สามารถสร้างจุดข้อมูลใหม่จากการกระจายตัวได้

ตัวอย่างเช่น การสร้างภาพปลอม มีชื่อเสียงในเรื่องการสร้างวิดีโอและเสียงปลอมของบุคคลที่มีชื่อเสียง แต่ส่วนใหญ่เกี่ยวข้องกับ เครือข่ายการสร้างแบบสุ่มที่เป็นปฏิปักษ์ (GANs) อย่างไรก็ตาม SGMs ได้แสดงความสามารถที่คล้ายกัน – และบางครั้งเหนือกว่า – ในการสร้างใบหน้าคนดังที่มีคุณภาพสูง นอกจากนี้ SGMs ยังสามารถช่วยขยายชุดข้อมูลด้านสุขภาพ ซึ่งไม่สามารถมีอยู่ในจำนวนมากได้เนื่องจากข้อบังคับและมาตรฐานอุตสาหกรรม

3. สมการเชิงอนุพันธ์สุ่ม (SDEs)

SDEs อธิบายการเปลี่ยนแปลงในกระบวนการสุ่มที่เกี่ยวข้องกับเวลา พวกมันถูกใช้กันอย่างกว้างขวางในฟิสิกส์และตลาดการเงินที่เกี่ยวข้องกับปัจจัยสุ่มที่มีผลกระทบอย่างมีนัยสำคัญต่อผลลัพธ์ของตลาด

ตัวอย่างเช่น ราคาสินค้าโภคภัณฑ์มีความผันผวนและได้รับผลกระทบจากปัจจัยสุ่มหลายประการ SDEs คำนวณอนุพันธ์ทางการเงิน เช่น สัญญาซื้อขายล่วงหน้า (เช่น สัญญาน้ำมันครูเด) พวกมันสามารถสร้างแบบจำลองการเปลี่ยนแปลงและคำนวณราคาที่เหมาะสมได้อย่างแม่นยำเพื่อให้ความรู้สึกมั่นคง

การประยุกต์ใช้หลักของโมเดลการแพร่กระจายใน AI

มาทำความเข้าใจการประยุกต์ใช้หลักของโมเดลการแพร่กระจายใน AI กัน

การสร้างวิดีโอคุณภาพสูง

การสร้างวิดีโอคุณภาพสูงโดยใช้ การเรียนรู้ลึก เป็นเรื่องที่ท้าทายเนื่องจากต้องมีการต่อเนื่องของเฟรมวิดีโออย่างต่อเนื่อง นี่คือจุดที่โมเดลการแพร่กระจายเข้ามาเป็นประโยชน์ เนื่องจากพวกมันสามารถสร้างชุดย่อยของเฟรมวิดีโอเพื่อเติมช่องว่างระหว่างเฟรมที่หายไป ซึ่งนำไปสู่วิดีโอคุณภาพสูงและลื่นไหลโดยไม่มีการหน่วง

นักวิจัยได้พัฒนาเทคนิค Flexible Diffusion Model และ Residual Video Diffusion เพื่อจุดประสงค์นี้ โมเดลเหล่านี้สามารถสร้างวิดีโอที่มีลักษณะเหมือนจริงได้โดยการเพิ่มเฟรมที่สร้างโดย AI ระหว่างเฟรมที่มีอยู่

โมเดลเหล่านี้สามารถเพิ่มเฟรมต่อวินาที (FPS) ของวิดีโอที่มีเฟรมต่ำโดยการเพิ่มเฟรมปลอมหลังจากเรียนรู้รูปแบบจากเฟรมที่มีอยู่ ด้วยการไม่สูญเสียเฟรม โครงสร้างเหล่านี้สามารถช่วยให้โมเดลการเรียนรู้ลึกสร้างวิดีโอที่สร้างโดย AI จากศูนย์ที่ดูเหมือนภาพถ่ายจากกล้องระดับไฮเอนด์

มีเครื่องมือสร้างวิดีโอ AI ที่น่าประทับใจมากมายในปี 2023 ที่สามารถทำให้การผลิตและแก้ไขเนื้อหาวิดีโอง่ายขึ้น

การสร้างภาพจากข้อความ

โมเดลการสร้างภาพจากข้อความใช้คำสั่งพื้นฐานเพื่อสร้างภาพที่มีคุณภาพสูง ตัวอย่างเช่น การให้คำสั่ง “แอปเปิ้ลสีแดงบนจาน” และสร้างภาพของแอปเปิ้ลบนจานที่มีลักษณะเหมือนจริง Blended Diffusion และ unCLIP เป็นตัวอย่างที่โดดเด่นของโมเดลเหล่านี้ที่สามารถสร้างภาพที่เกี่ยวข้องและแม่นยำตามคำสั่งพื้นฐานของผู้ใช้

นอกจากนี้ GLIDE โดย OpenAI เป็นอีกหนึ่งโซลูชันที่มีชื่อเสียงที่สุดซึ่งเผยแพร่ในปี 2021 และสร้างภาพที่มีลักษณะเหมือนจริงโดยใช้คำสั่งพื้นฐานของผู้ใช้ ต่อมา OpenAI เผยแพร่ DALL.E-2 ซึ่งเป็นโมเดลการสร้างภาพที่ทันสมัยที่สุดของพวกเขา

ในทำนองเดียวกัน Google ได้พัฒนาโมเดลการสร้างภาพที่เรียกว่า Imagen ซึ่งใช้โมเดลภาษาขนาดใหญ่เพื่อพัฒนาความเข้าใจข้อความที่ลึกซึ้งและสร้างภาพที่มีลักษณะเหมือนจริง

เรายังได้กล่าวถึงเครื่องมือสร้างภาพอื่นๆ เช่น Midjourney และ Stable Diffusion (DreamStudio) ข้างต้น มาทำความเข้าใจภาพที่สร้างด้วย Stable Diffusion ด้านล่าง

ภาพที่สร้างด้วย Stable Diffusion 1.5 โดยใช้คำสั่งพื้นฐาน: collages, hyper-realistic, many variations portrait of very old thom yorke, face variations, singer-songwriter, ( side ) profile, various ages, macro lens, liminal space, by lee bermejo, alphonse mucha and greg rutkowski, greybeard, smooth face, cheekbones

โมเดลการแพร่กระจายใน AI – สิ่งที่คุณสามารถคาดหวังในอนาคต?

โมเดลการแพร่กระจายได้แสดงถึงศักยภาพที่น่าสนใจในฐานะแนวทางที่แข็งแกร่งในการสร้างตัวอย่างที่มีคุณภาพสูงจากชุดข้อมูลภาพและวิดีโอที่ซับซ้อน โดยการปรับปรุงความสามารถของมนุษย์ในการใช้และจัดการข้อมูล โมเดลการแพร่กระจายสามารถปฏิวัติโลกที่เรามองเห็นในวันนี้ได้ เราสามารถคาดหวังที่จะเห็นการประยุกต์ใช้โมเดลการแพร่กระจายที่หลากหลายมากขึ้นซึ่งกลายเป็นส่วนหนึ่งของชีวิตประจำวันของเรา

อย่างไรก็ตาม โมเดลการแพร่กระจายไม่ใช่วิธีการสร้าง AI เพียงอย่างเดียว นักวิจัยยังใช้เครือข่ายการสร้างแบบสุ่มที่เป็นปฏิปักษ์ (GANs) โมเดลการสร้างแบบสุ่มที่มีการเข้ารหัสแบบแปรผัน (VAEs) และโมเดลการสร้างลึกที่อาศัยการไหลเพื่อสร้างเนื้อหาที่สร้างโดย AI การทำความเข้าใจคุณลักษณะพื้นฐานที่ทำให้โมเดลการแพร่กระจายแตกต่างจากโมเดลการสร้างอื่นๆ สามารถช่วยให้ได้ผลลัพธ์ที่มีประสิทธิภาพมากขึ้นในอนาคต

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับเทคโนโลยี AI ที่ขับเคลื่อนด้วย AI ไปที่ Unite.ai ตรวจสอบทรัพยากรที่เราได้รวบรวมเกี่ยวกับเครื่องมือการสร้าง AI ด้านล่าง