Modelo de difusiónDiffusion Model

Primero se practica a arruinar

El aprendizaje no empieza por el lado de crear, sino por el lado de destruir. Se toma una fotografía y se le echa encima una capa de mancha muy tenue. A ese resultado se le añade otra capa, y otra más, hasta que, cientos de pasos después, queda una superficie donde ya no se reconoce lo que había.

Cada uno de estos pasos intermedios se convierte en un ejercicio con pregunta y respuesta emparejadas. Se muestra una pantalla con tres capas de mancha y se pide adivinar qué mancha se acaba de añadir. La respuesta correcta quedó registrada al momento de añadirla, así que siempre se puede comprobar.

Repetir este ejercicio cientos de millones de veces permite señalar, ante cualquier pantalla, "esta parte parece mancha, y esta cantidad". Lo que se entrena primero no es la capacidad de crear una imagen, sino la capacidad de reconocer la mancha.

Al crear se retira en sentido contrario

Al crear una imagen no se parte de una fotografía, sino de una pantalla nueva llena de manchas sin ningún significado. Preguntarle "¿qué parte de aquí parece mancha?" da una respuesta. Retirar un poco de esa cantidad deja la pantalla apenas un poco más ordenada.

Se vuelve a mostrar la pantalla ya ordenada y se repite la misma pregunta. Repetir esta consulta decenas de veces hace que, entre las manchas, vaya apareciendo poco a poco una forma que no existía antes. No se recupera una fotografía original: se crea una imagen que nunca existió, porque la pantalla de partida no tiene relación con ninguna foto.

Hay una razón para no retirarlo todo de una vez. Si se pidiera saltar directamente de una pantalla llena de manchas al resultado terminado, la estimación fallaría demasiado. Retirar un poco y volver a mirar permite corregir, en el paso siguiente, justo lo que se calculó mal en el paso anterior.

El primer patrón de manchas decide el resultado

Las manchas de la pantalla inicial se reparten al azar, pero una vez repartidas, ese patrón influye mucho en el resultado. Qué zona quedó un poco más oscura cambia el juicio del primer paso, y ese juicio se traslada al siguiente.

Por eso, con el mismo pedido, un patrón de partida distinto da una imagen con composición y colores totalmente diferentes. Al revés, si se deja el mismo patrón de partida y solo se cambia un poco el pedido, se obtiene una imagen con una composición parecida pero detalles distintos. Retocar poco a poco un resultado que ya gustó se apoya en esta propiedad.

Se guía la dirección mientras se retira

Cada vez que se señala la mancha, se le puede acompañar de una descripción de la imagen. Si hay una descripción como "campo amarillo", la dirección en la que se retira la mancha se inclina hacia allí. Como este texto se vuelve a consultar en cada paso, la dirección actúa durante decenas de pasos, no solo una vez al principio.

También se puede ajustar cuán fuerte se sigue esa descripción. Dejarla débil da libertad pero aleja del pedido; dejarla fuerte pega el resultado al pedido, pero es fácil que el color se sature o la forma se endurezca. Anotar por separado lo que no se quiere e impulsarlo en la dirección contraria usa el mismo principio.

Cuántos pasos se dan reparte calidad y tiempo

Cuántos pasos se usan para retirar la mancha lo decide la persona. Con pocos pasos hay que retirar mucho de golpe, la estimación se vuelve tosca y es fácil que queden marcas de mancha sin deshacer. Con más pasos el resultado queda más suave, pero también aumenta el cálculo y la espera.

Aumentar los pasos sin límite no sigue mejorando el resultado. Pasado cierto punto la diferencia visible casi desaparece y solo crece el tiempo. Siguen apareciendo maneras de retirar la mancha con más habilidad para lograr resultados parecidos con menos pasos.