Diffusion模型是現代生成式AI中最令人驚豔的技術之一。它被廣泛應用於影像生成，例如 Stable Diffusion、Midjourney、DALL·E等，簡單來說，Diffusion模型的運作原理是讓AI學會「從雜訊中創造秩序」——就像從一張被噪點覆蓋的照片中，一步步還原出清晰的影像。

它的訓練分成兩個階段：正向擴散與反向擴散

在正向階段，模型會把一張原始圖片逐步加入隨機雜訊，直到變成完全看不出內容的「純噪點」，這個過程讓AI學會影像在不同噪音程度下的變化模式，接著，在反向階段，模型嘗試從這張被破壞的圖片中，一步步「去除噪音」，還原出原圖，這樣反覆訓練後，AI就學會如何從一團雜訊中生成新的圖像。

Diffusion模型的核心是一種「機率建模」：它在每一步都根據學到的統計關係，預測哪種像素最可能出現在當前畫面的狀態中，每一次「去噪」的微調，就像畫家逐層上色，最終組合成逼真的影像。

與過去的生成對抗網路相比，Diffusion模型穩定性更高、細節更自然，也能控制生成過程，例如只要輸入「貓坐在宇宙裡」，模型就會從雜訊中逐步顯影出「太空貓」的畫面。

簡而言之，Diffusion模型的魔法不在於「創造」，而在於「還原」——它用數學學會如何從混亂中恢復秩序，讓電腦真正具備了「想像」的能力。