Le catene di Markov nei modelli generativi di diffusione

L’intelligenza artificiale generativa (generative AI) è una branca dell’intelligenza artificiale che si occupa della creazione di nuovi contenuti a partire da dati reali disponibili. I modelli in questione hanno a disposizione un dataset di campioni (ad esempio immagini, testi o tracce sonore), e cercano di coglierne le relazioni che li accomunano, analizzando le strutture e le varie regolarità presenti, con l’obiettivo di generare nuovi elementi, inediti, coerenti e realistici. In questa cornice, i modelli di diffusione (diffusion models), originariamente introdotti nel 2015 da Sohl-Dickstein, si sono affermati come una delle architetture più versatili e promettenti per la generazione di immagini di alta qualità. L’idea di base consiste nel definire un processo di forward diffusion, in cui ad un campione reale viene progressivamente aggiunto del rumore, fino a distruggere la struttura informativa originaria trasformandolo in un puro dato casuale. Parallelamente, il modello apprende il processo inverso, detto backward process, ossia la capacità di ricostruire un dato coerente con l’originale a partire dal rumore casuale, in modo graduale. Questa formulazione consente ai modelli di diffusione di apprendere in modo stabile e di generare contenuti caratterizzati da un elevato livello di dettaglio. Un ulteriore vantaggio è la facilità con cui tali modelli possano essere condizionati da informazioni aggiuntive, ad esempio mediante descrizioni testuali nel caso dei modelli text-to-image, rendendoli particolarmente adatti a compiti di generazione controllata.