● news.bsdnet.hu

A frappáns, A pontszámkisimítás interpolációs hatásáról diffúziós modellekben  című tanulmányt a Google kutatója, Zhengdao Chen írta, és az ICLR 2026-on, egy jelentős mesterséges intelligencia kutatási konferencián mutatták be. Sűrű tartalom, de a fő gondolat elég egyszerű ahhoz, hogy kibontsuk – fogalmazott a Creative Bloq . A kutatás lényege egyszerű: a modellek zajból építik fel a képet: egy értelmetlen statikus képernyővel kezdik, és fokozatosan képpé alakítják azt. Egy pontszámfüggvény (score function) dönti el minden lépésnél, merre mozduljon a végeredmény, akár egy láthatatlan kéz, amely szétszórt pontokat húz egy később felismerhető alak felé. Ha ez a folyamat tökéletesen pontos lenne, mindig visszaugrana egy betanított képhez – ez lenne a másolás. De a modellek működési természetéből adódóan elmosódik kicsit (pontszámsimítás), így a végeredmény két vagy több tanítókép közé csúszik. A Google szerint innen származnak az új, hihető képek: nem másolásból, hanem valós példák közötti interpolációból. A Google szerint az interpoláció a kreativitás bizonyítéka – foglalja össze a Yellow , nyomban hozzátéve: „Csakhogy itt jön a bökkenő.” A Creative Bloq szerzője, Tom May – díjnyertes újságíró, aki két könyvet is jegyez dizájn-kreativitás-művészet vonalon – szerint az interpoláció matematikailag lehet igaz, attól még nem jelenti azt, hogy a gép ténylegesen kreatív abban az értelemben, ahogy egy alkotó ember érti ezt a szót. Az AI-modellnek nincs ilyen tétje, nincs mit megoldania. Csak egy elmosódott erőteret követ, cél és szándék nélkül. Közben May elismeri, hogy a tech óriás levezetése „nem marketing bullshit. Egy világos, jól megfogalmazott matematikai magyarázat a modellek viselkedésére, és határozottan cáfolja azt az elképzelést, hogy a mesterséges intelligencia képszerkesztő eszközei egyszerűen kollázsgépek.” Továbbá az adatpontok közötti interpoláció nem ugyanaz, mint mondanivaló vagy az önkifejezési forma keresése. „Egy festő, aki éveket tölt egy stílus fejlesztésével, megélt tapasztalatokra, ízlésre, kétségekre és szubjektív döntésekre támaszkodik – mondja May. – Egy modell, amely két tanulókép közötti matematikai középpontot keres, geometriát művel, nem önkifejezést.” May nem megy el amellett „az apró kérdés” mellett sem, hogy honnan származnak a betanítási adatok. Mert az, hogy egy modell egyetlen képet sem másol pontosan, nem sokat segít abban a vitában, hogy vajon egyáltalán engedély vagy fizetés nélkül kellett volna-e betanítani több millió művész munkáján. Az interpoláció matematikailag lehet valós, de az eredeti forrásanyag is az, amely között interpolál. A számok és a szavak közötti szakadék továbbra is ott van a technológiai és a művészi nézőpont találkozásánál. (Forrás: Yellow, Creative Bloq, Nyitókép: Egy promóciós kép a Nano Bananáról, a Google generatív mesterséges intelligencia platformjáról - Fotó: Google)