每个创业者都该懂的机器学习方法:扩散
扩散把学习分布变成加噪再学逆过程:正向不断加噪很容易,模型要学的是从噪声走回数据。理解时抓住噪声表最关键,相对误差保持稳定比均匀线性插值更重要。
扩散模型是今天讨论最多、但也最容易被误解的一类方法。它不是自回归大语言模型,却支撑了图像、视频、蛋白质、机器人和天气预报里最引人注目的进展。对谈者是长期做计算机视觉的 Francois Chahbar,他2012年就在李飞飞实验室起步,做过十年创业公司Focal Systems,现回斯坦福读博,研究基于扩散的世界模型。 扩散到底在学什么 扩散的起点很朴素:只要有数据,就可以学习数据的概率分布 P data,领域不限。这一点上它和所有机器学习模型一致,区别在于它擅长处理的方式。
来源:youtube 原始内容