当你让AI画一只“会飞的猫”，它却交给你一张长着翅膀、在星空翱翔的猫咪。 这种神奇的“创造力”，究竟是从何而来的呢？ 最近，两名来自斯坦福大学的物理学家大胆“跨界”，揭开了这个谜团：扩散模型的创造力，居然是去噪过程本身的副产品。 故事要从2022年说起。当时，物理学研究生Mason Kamb在网上看到一些奇怪的AI生成图片：人脸扭曲变形，手掌上长出六根甚至七根手指。 这让他联想到生物学中的一个现象：胚胎发育时细胞自组织形成器官的过程（专业术语叫"形态发生"）。 Kamb觉得，这不像随机错误，更像是某种底层机制出了问题。 于是，他想到了图灵模式。在生物系统中，局部细胞的简单互动，涌现出了复杂结构（比如斑马的条纹）。他猜测：AI的创造力可能也来自类似的“局部规则”。 经过观察，他发现AI在生成图片时有两个习惯： "近视眼"：它一次只看一小块像素（比如一根手指），根本不关心整只手长什么样。 "强迫症"：如果你把图片挪动一点，它会机械地跟着调整，但依然只盯着局部。 Kamb意识到：正是这种“只见树木不见森林”的方式，让AI在拼图时自由发挥，甚至“发明”出多指手掌。 为了验证这个大胆的想法，Kamb和导师Surya Ganguli设计了一个简化版AI系统——“等变局部评分机”（ELS）。 它不像真正的扩散模型那样经过训练，而是纯粹基于局部性和等变性的数学规则运行。 研究人员把多张被转化为数字噪声的图片分别输入ELS机和多种强大的扩散模型（比如ResNets和UNets）。 结果令人震惊：这个“简陋”的ELS机，居然能90%地复现专业AI模型的输出！ 这意味着，AI的“创造力”并非来自复杂的训练数据，而是底层架构的必然产物。 这一发现引发了更深层的思考：人类的创造力是否也遵循类似的机制？艺术家创作时，是否也是在局部细节的积累中，偶然涌现出全新的创意？ Kamb说：“我们和AI一样，都在用有限的信息填补空白，偶尔会创造出既新颖又有价值的东西——这就是‘创造力’的本质。” 不过，尽管该研究揭示了扩散模型创造力的机制，但许多谜团仍未解开：大语言模型等AI系统也展现创造力，却未运用局部性与等变性。 AI创造力的奥秘，还有更多等待我们去发现。