你有没有想过：我们只输入一句“画一个蓝色的球”，AI为什么真的能画出一个蓝色的球？

它是不是先在脑子里想好了图片，再一笔一笔画出来？

扩散模型的做法有点出人意料：它从一张乱七八糟的噪声图开始，一点一点把图片“找”出来。

听起来像魔术？我们把整个过程拆成三步。

第一步：把清楚的图片，变成一团噪声

先拿一张清楚的蓝色小球图片。

现在，往图片里撒上一点随机的彩色小点。球还看得清，只是画面有些花。

再撒一些，球开始模糊。

继续撒、继续撒……最后，整张图都变成了杂乱的彩色小点，已经看不出原来是什么。

这些随机小点，就叫噪声。

你可以把它想成一张照片被反复“撒雪花”：从清楚，到模糊，再到完全看不清。扩散模型学习画图，就是从这个过程开始的。

第二步：让AI学会找出噪声

接下来，要训练一个“噪声预测器”。它的任务非常具体：

给它一张被弄花的图片，让它猜：这张图片里，刚刚加进去了哪些噪声？

比如，我们拿一张蓝色小球图片，往里面加一些噪声，再把这张变花的图片交给AI。同时告诉它：现在加噪加到了哪一步；这张图对应的文字要求是“蓝色的球”。

AI会猜哪些小点是噪声。因为噪声是我们亲手加进去的，所以我们知道正确答案，也就能告诉AI：“这里猜对了，那里猜错了。”

它猜错一次，就调整一次。用大量图片反复练习后，它逐渐学会了：面对一张有噪声的图片，该怎样判断其中的噪声。

第三步：从一团噪声开始，生成新图片

终于轮到AI画图了。

我们对它说：“给我画一个蓝色的球。”

这时，AI手里并没有一张现成的球。它拿到的起点，是一张随机生成的噪声图——看上去只有五颜六色的小点。

然后，它把这张噪声图和“蓝色的球”这句话一起交给训练好的噪声预测器。它预测当前图片中的噪声，AI据此更新图片，让画面稍微清楚一点。

这一步做完，图片可能还是很乱。没关系，再来一次。

一次、两次、很多次……画面里的杂乱逐渐减少，蓝色的轮廓慢慢出现，最后变成一张蓝色小球的图片。

这就是扩散模型生成图片时最直观的过程：

随机噪声 → 反复预测并去除噪声 → 逐渐出现符合文字要求的图片。

一句话记住

扩散模型先通过“给图片加噪声”学习图片是怎样变乱的，再训练噪声预测器预测噪声。等真正画图时，它从一团随机噪声出发，在文字要求的引导下，一步步减去噪声把图片生成出来。

所以下次看到AI生成的图片，你可以想象：在它变清晰之前，那里曾经只有一团看不出任何东西的噪声。