Você digita ‘gato astronauta’ e aparece um gato astronauta. Como?
A ideia de que alguma IA ‘imagina’ uma cena do zero parece impossível. Mas a resposta é um processo chamado difusão — e é bizarro, mas funciona.
Difusão: partindo da TV chiando
O modelo começa com ruído puro — uma imagem que parece TV sem sinal, tudo granulado e aleatório. A partir daí, ele vai removendo o ruído passo a passo, guiado pelo texto que você digitou. A cada iteração, tira um pouquinho do chiado e vai aproximando da imagem final. Depois de dezenas de passos, o gato astronauta aparece. É como um escultor que começa com um bloco de pedra irregular e vai talhando até o leão emergir.
Como a IA sabe o que é ‘gato’ e o que é ‘astronauta’?
Ela foi treinada vendo milhões de pares imagem + legenda. Aprendeu que ‘gato’ é bichinho de quatro patas, orelhas pontudas, rabo. ‘Astronauta’ é capacete branco, roupa volumosa, espaço. Quando você junta os dois, ela combina os padrões visuais — pega a textura do gato e coloca dentro da roupa do astronauta. É combinação de padrões, não criatividade.
Os grandes nomes
Não é só uma ferramenta — é um mercado inteiro:
- DALL-E (OpenAI) — o mais famoso, integrado no ChatGPT
- Midjourney — queridinho de artistas pelo estilo estilizado
- Stable Diffusion — open-source, roda no seu PC
- Imagen (Google) — o motor do Google
Cada um tem estilo, qualidade, e limitações diferentes. Mas todos usam variações da mesma ideia: partir do ruído e esculpir até a imagem emergir do texto.
Resumo: IA não ‘imagina’ — ela parte de neve de TV e vai limpando o ruído até a imagem que seu texto descreve surgir. Treinada com milhões de pares imagem-texto, ela aprendeu os padrões visuais de tudo que você consegue descrever. E é por isso que ‘gato astronauta’ sai perfeito — porque tudo que ela faz é combinar padrões aprendidos.
Deixe um comentário