科创科普：AI 是怎么「画」出一只猫的？——文生图与扩散模型的入门原理
一、先纠正一个误会：AI 画画不是「从图库里翻图」
很多同学以为，输入"一只戴帽子的橘猫"就能出图，是因为 AI 在图库里检索到了相似照片。事实并非如此。像常见的文生图模型，出图时并没有一张现成的橘猫照片被复制出来，它是从一团随机噪点开始，一步步"擦"出一张全新的图。也正因为它不是在拼接已有照片，所以才会出现"六根手指""三条腿"这类现实中不存在的画面。
二、三步看懂文生图：文字变向量、加噪去噪、图文对齐
第一步，文字变成数字。你输入的提示词会被一个文本编码器切分成词片段，每个片段变成一个几百维的数字向量，整句话就成了一条数学意义上的"意思坐标"。模型后续所有工作都在这条坐标的引导下完成。
第二步，从噪声到图像。训练阶段，模型反复看"一张干净图片＋随机噪点"，学习如何把噪点"减去"，还原因片；训练够多之后，给它一团全新的纯随机噪点，并告诉它"目标是戴帽子的橘猫"，它就能一格一格地反向预测、逐步去噪，几十步之后噪点被磨成一张清晰图。这类方法通常叫扩散模型，特点是出图慢但画面细腻；也有把多步压缩成一两步的加速版本，代价是细节略逊。
第三步，图文对齐。让"文字的意思是猫"和"画出来的确实像猫"对应起来，靠的是对比学习：把配对的图文拉近、不配对的推远。经过大量这种训练，模型才建立起"帽子""橘色""猫"这些词与视觉特征的对应关系。这就是为什么换一个词，出来的画面会真的跟着变。
三、提示词不是越短越好：四要素写清楚
第一，主体要具体：不要写"一只动物"，写"一只戴红帽子的橘色短毛猫"。第二，场景要交代：室内窗台、雪地、操场看台，画面立刻不同。第三，风格和视角要指定：水彩、扁平插画、写实照片，正面平视还是俯拍。第四，画幅与用途：竖版海报还是横版封面，留白位置在哪。
还要留意两点：一是同一条提示词每次结果都不同，这是随机种子在起作用，想复现就要固定种子；二是模型只对训练中见过的概念比较擅长，生僻的方言、冷门历史场景容易失真，需要多次生成再挑选。
四、这些图和文字是真的吗？学会两问
第一问：这张图是什么模型、什么时间生成的？正规平台的 AI 图片会带有生成标识或水印。第二问：图里的信息我能在可靠来源上交叉印证吗？尤其在科学、历史、新闻类作业里，AI 生成的图只能当"示意"，不能当"证据"。用 AI 帮忙构思可以，把 AI 生成的内容当成事实依据就错了。
案例：给校运会做一张宣传海报图
一位同学需要为校运会设计海报配图。他的第一次提示词只有三个字"校运会"，结果出来的图既没有人也没有跑道，只有模糊的运动鞋。第二次他补齐了四要素："一群身穿蓝色校服的中学生在红色塑胶跑道上冲刺，竖版海报构图，右上角大面积留白放标题，明亮写实风格，晴朗白天"。这一版的构图就能直接用于排版。他的体会是：写提示词像给设计师写需求单，信息写清楚，废片的比例就大幅下降。
练习
- 用一句话解释为什么 AI 生成的图可能出现现实中不存在的手指数量。
- 把"图书馆"这三个字扩写成一条包含主体、场景、风格、画幅四要素的提示词。
- 判断下列做法对不对并说明理由：把 AI 生成的一张"恐龙照片"直接放进生物课作业，注明"来自互联网"。