[ad_1]
(noticias nanowerk) Un nuevo marco de inteligencia artificial potencialmente revolucionario llamado “Blackout Diffusion” genera imágenes a partir de una imagen completamente en blanco, lo que significa que, a diferencia de otros modelos de difusión generativa, el algoritmo de aprendizaje automático no requiere el inicio de una “semilla aleatoria” para comenzar. Blackout Diffusion, presentado en la reciente Conferencia Internacional sobre Aprendizaje Automático (“Blackout Diffusion: Generative Diffusion Models in Discrete-State Spaces”), genera muestras que son comparables a los modelos de difusión actuales como DALL-E o Midjourney, pero requieren menos recursos computacionales. que estos modelos.
«El modelado generativo está marcando el comienzo de la próxima revolución industrial con su capacidad de respaldar muchas tareas, como generar código de software, documentos legales e incluso arte», dijo Javier Santos, investigador de IA en el Laboratorio Nacional de Los Álamos y coautor de Blackout Diffusion. «El modelado generativo podría usarse para descubrimientos científicos, y el trabajo de nuestro equipo sentó las bases y algoritmos prácticos para aplicar el modelado de difusión generativa a problemas científicos que no son continuos por naturaleza».
![Un nuevo modelo de IA generativa puede crear imágenes a partir de un marco vacío](https://www.nanowerk.com/news2/robotics/id64395_1.jpg)
Los modelos de difusión producen muestras similares a los datos con los que se entrenan. Funcionan tomando una imagen y agregando ruido repetidamente hasta que la imagen se vuelve irreconocible. A lo largo del proceso, el modelo intenta aprender cómo restaurarlo a su estado original.
Los modelos actuales requieren ruido de entrada, lo que significa que necesitan algún tipo de datos para comenzar a producir imágenes.
«Hemos demostrado que la calidad de las muestras producidas por Blackout Diffusion es comparable a los modelos actuales que utilizan un espacio computacional más pequeño», dijo Yen Ting Lin, el físico de Los Álamos que dirigió la colaboración de Blackout Diffusion.
Otro aspecto singular de Blackout Diffusion es el espacio en el que funciona. Los modelos de difusión generativa existentes operan en espacios continuos, lo que significa que el espacio en el que operan es denso e infinito. Sin embargo, trabajar en espacios continuos limita su potencial para aplicaciones científicas.
“Para ejecutar los modelos de difusión generativa existentes, matemáticamente hablando, la difusión debe ocurrir en una región continua; no puede ser discreto”, dijo Lin.
El marco teórico desarrollado por el equipo, por otro lado, funciona en espacios discretos (es decir, cada punto en el espacio está aislado de los demás por cierta distancia), abriendo posibilidades para una variedad de aplicaciones, como texto y aplicaciones científicas.
El equipo probó la difusión de apagones en varios conjuntos de datos estandarizados, incluida la base de datos modificada del Instituto Nacional de Estándares y Tecnología; el conjunto de datos CIFAR-10, que contiene imágenes de objetos de 10 clases diferentes; y el conjunto de datos de atributos de CelebFaces, que consta de más de 200.000 imágenes de rostros humanos. Además, el equipo utilizó la naturaleza discreta de la difusión de apagón para aclarar varios conceptos erróneos comunes sobre el funcionamiento interno de los modelos de difusión, permitiendo así una comprensión crítica de los modelos de difusión generativa.
También proporcionan principios de diseño para futuras aplicaciones científicas. «Este es el primer estudio fundamental del modelado de difusión de estados discretos y señala el camino hacia futuras aplicaciones científicas con datos discretos», dijo Lin.
El equipo explica que el modelado de difusión generativa puede reducir drásticamente el tiempo que lleva ejecutar muchas simulaciones científicas en supercomputadoras, lo que respaldaría el progreso científico y reduciría la huella de carbono de la informática. Algunos de los diversos ejemplos que citan incluyen la dinámica de los reservorios subterráneos, los modelos químicos para el desarrollo de fármacos y la expresión de genes de una sola molécula y una sola célula para comprender los mecanismos bioquímicos en los organismos vivos.
[ad_2]