생성적 AI 모델은 물리학의 원리에서 영감을 얻어 큰 진전을 이루었습니다. 두 가지 대표적인 예는 픽셀 생성 모델(PGM)과 확산 모델입니다.

픽셀 생성 모델(PGM): PGM은 데이터 포인트를 전자로 취급하고 이 "전하"에 의해 생성된 전기장을 활용하여 복잡한 데이터 분포를 더 단순한 원형 분포로 매핑합니다. 전기장 근사기를 학습함으로써 PGM은 단순한 분포에서 샘플링하고 전기장 선을 따라 역방향으로 이동하여 새로운 데이터 샘플을 생성할 수 있습니다.

확산 모델: 확산 모델은 열역학 개념과 원자의 무작위 운동에서 영감을 얻습니다. 이미지의 픽셀을 원자로 보고 확산 과정을 시뮬레이션합니다. 원자(픽셀)의 확산 방식을 학습함으로써 확산 모델은 가우시안 노이즈에서 시작하여 확산 과정을 역으로 진행하여 데이터 분포에서 새로운 샘플을 생성할 수 있습니다.

PGM과 확산 모델 모두 복잡한 데이터 분포에서 직접 학습하고 샘플링하는 문제를 해결하기 위해 정전기학과 열역학과 같은 물리학 원리를 활용합니다. 복잡한 분포를 더 단순한 분포로 매핑함으로써 이러한 모델은 훈련 데이터의 underlying 패턴을 효과적으로 포착하는 새로운 데이터 샘플을 생성할 수 있습니다.