第四幕 / 从赢下一盘棋，到生成一个世界
机器开始画出未曾见过的画面
从识别图像到生成图像，研究者把问题反过来问了一遍。
本篇目录 ＋
识别一张猫的照片，是从图像找到类别。如果把方向反过来，给机器一个描述，让它产生一张新的图像呢？
两种角色，在训练中相遇
2014年，生成对抗网络GAN提出一种训练方式：生成器产生样本，判别器尝试区分真实数据与生成结果，两者在训练中相互影响。
可以用“制作作品的人”和“评判作品的人”作比喻，理解这种相互促进。但这只是对机制的说明，并不意味着两个模型具有人的审美体验或欺骗意图。[1]
从噪声中恢复结构
扩散模型发展出另一条路线。训练时，系统学习如何从带噪声的数据中恢复结构；生成时，从噪声出发，逐步形成样本。2020年的去噪扩散概率模型论文，是这一方向的重要工作之一。
潜在扩散模型进一步在压缩后的表示空间中进行处理，降低部分计算负担。语言与图像的联系，则让文字描述能够影响生成结果。[2][3]
逼真与真实，是不同的问题
一张图像可以看起来可信，却不对应任何真实发生的事件。画面中的文字、空间关系、人物细节，也可能出现错误。生成图像因此既提供创作工具，也改变了我们判断图像证据的方式。
训练资料来自哪里、创作者的权益如何处理、生成内容怎样标明，都成为技术发展的一部分。讨论生成式AI，既要看能做什么，也要看这些能力进入生活后的关系与责任。[4]
留给你的一个问题
当一张照片般的画面出现在你面前，你会怎样判断它能不能作为事件证据？
生成图像是在拼接素材吗？
主流生成模型通常根据学到的统计结构产生图像，并不是简单检索几块素材后剪贴。但模型可能记住训练样本，生成与既有作品近似的内容；具体情况需要检查。
理解生成机制，不能代替对数据来源、使用许可和具体输出的判断。
本篇来源
沿着原始资料，继续了解故事。团队发布与回顾代表发布者提供的记录。
- 研究论文与原著 · Ian J. Goodfellow等Generative Adversarial Nets ↗
- 研究论文与原著 · Jonathan Ho、Ajay Jain、Pieter AbbeelDenoising Diffusion Probabilistic Models ↗
- 研究论文与原著 · Robin Rombach等High-Resolution Image Synthesis with Latent Diffusion Models ↗
- 研究论文与原著 · Rishi Bommasani等On the Opportunities and Risks of Foundation Models ↗
整理于2026年9月16日