你一定见过那些奇怪的AI画：人物手上多出几根手指、脸部细节怪异，却又带着某种说不出的新鲜感。
这让人产生一个疑问：扩散模型明明只「复刻」，为什么还能画出前所未见的作品？
最新一项研究给出了答案：
其实，AI的创造力并非「神来之笔」，而是模型架构的副作用。
麻 将明明只会复制，AI为何还能创作？
扩散模型的任务很简单：把数字噪声还原成训练过的图像。
就像把一幅画放入碎纸机，直到只剩下一堆细小的灰尘，然后将碎片重新拼凑到一起。
照理说，它应该只会生成「复制品」。
可现实却让研究者大跌眼镜。
DALL·E、Imagen、Stable Diffusion这些模型，画出的不是「翻版」，而是全新的图像：
不同元素被组合在一起，构成前所未见的场景。
更令人意外的是，这些拼贴并不是毫无意义的杂乱色块，而是带着语义的完整作品。
DALL·E 2制作了这些「金鱼在海滩上啜饮可口可乐」的图像。这个由 OpenAI创建的程序可能从未遇到过类似的图像，但它仍然可以自行生成这样的图像。
还记得那些在社交平台疯传的「AI多手指人像」吗？
有些图看上去像是超现实主义的画——人物手上莫名其妙多出几根手指，但整体仍旧保持了清晰的结构感。
这类怪异产物，一度被当成笑料，却也让科学家警觉：模型为什么会「即兴发挥」？
Giulio Biroli将这种现象称为「扩散模型的悖论」：
「如果它们真的只是记忆，就不该有创造力；可它们偏偏能画出前所未见的东西」。
麻 将那么，AI的创造力到底是从哪里来的？
六指人像背后的「bug奖励」
在最新研究里，两位物理学家给出了一个颇为出乎意料的答案：
AI的「创造力」，其实是它架构里的副作用。
扩散模型在生成图像时，依赖两条严格的规则：
第一条叫做局部性。
它在绘制过程中，并不会通盘考虑整张画面，而是一次只关注一个小小的像素「拼块」。
就像拼图时，你盯着一块颜色相近的小碎片，却不会去想它最终会出现在整幅画的哪个角落。
第二条叫做平移等变性。
如果输入图像整体往左或往右挪动几个像素，模型生成的画面也必须跟着同步移动。
这是它保持图像结构连贯的方式。
这两条机制，本来是扩散模型在「去噪」时的限制条件。
研究者一度认为这是缺陷，会让模型没法生成完美的复制品。
可事实证明，正是这种「不完美」，反而让AI无法完全依赖记忆，必须在局部的拼贴里即兴重组。
这就导致了，手指可能多长了几根，元素可能拼接得有点怪异，但整体画面却意外生出了新意。
也就是说，AI 的创造力，并不是额外设计出来的能力，而是它架构必然带来的副作用。
ELS方程机：创造力的数学化证明
如果说AI的创造力真是副作用，那要如何证明？
斯坦福大学的研究生Mason Kamb和导师Surya Ganguli，进行了一次实验。
他们基于那两条规则构建了一套纯粹的数学系统，命名为ELS方程机（Equivariant Local Score machine）。
这个系统的特别之处在于，它不依赖海量训练数据，也没有任何黑箱深度网络。
它是一套方程，用来预测当噪声一步步被「去除」时，图像会如何拼合。
然后，他们把同一组噪声图像同时输入ELS方程机和真实的扩散模型。
结果令人震惊：ELS方程机生成的结果，与扩散模型的输出平均重合度高达 90%。
在机器学习领域，这几乎是前所未有的精度。
Ganguli感叹道：
「这就像是用一组公式，写下了创造力的来源。」
麻 将所谓的「AI创造力」，并不是神秘的灵感，而是局部性与等变性在动态运行中必然产生的产物。
只要满足这两个条件，「创造」就会自动出现。
AI的小失误，揭开人类创造力的秘密
这项研究不仅揭开了扩散模型的秘密，还让人联想到生命系统。
Mason Kamb之所以产生这个灵感，是因为他长期研究形态发生——也就是胚胎如何从一团细胞，自我组装成器官和肢体。
在这个过程中，细胞只是根据身边邻居的信号做出局部反应。
大多数时候，这种自组织能顺利生成一个正常的身体，但偶尔也会出错——比如多长出几根手指。
当Kamb看到扩散模型生成的那些「AI多指人像」时，他立刻联想到胚胎发育里的这种「局部拼贴错误」。
这说明，AI的创造力，本质上和生物的自组织过程，有着惊人的相似。
研究者甚至提出一个更大胆的类比：人类的创造力，也许和AI并没有本质不同。
我们的大脑，并不是凭空冒出灵感，而是在有限的经验和记忆中，不断拼接、补全、想象，最后产出新东西。
正是这偶尔的错误与缺口，反而成为创新的源泉。
正如IBM研究员Benjamin Hoover所说：
「人类和AI的创造力，可能都根植于对世界的不完整理解。」
麻 将创造力未必是高高在上的天赋，它也可能是一种副作用，一种「不完美」带来的意外之喜。
当「创造力」能被一组公式写下，人类和机器的界限也愈发模糊了。
或许，真正的灵感，从来不是天才的特权，而是「不完美」的副产物。
研究揭示的，不只是AI的密秘密。
也许是在提醒我们：创造，往往生长于偏差之中。
参考资料：
https://www.wired.com/story/researchers-uncover-hidden-ingredients-behind-ai-creativity/
https://www.quantamagazine.org/researchers-uncover-hidden-ingredients-behind-ai-creativity-20250630/
