AI 요약
구글 리서치가 확산 모델(diffusion model)의 창의성이 수학적 원리에 기반한 결과임을 입증했다. 연구에 따르면, 확산 모델의 창의성은 신경망이 학습 과정에서 ‘스무딩(smoothing)’된 스코어 함수(score function)를 학습하기 때문에 발생하며, 이로 인해 모델이 훈련 데이터를 단순히 암기하는 대신 데이터 매니폴드 상에서 보간(interpolation)하여 새로운 데이터를 생성할 수 있다. 이 연구는 ICLR 2026에서 발표되었다.
핵심 포인트
- 구글 리서치, 확산 모델의 창의성에 대한 수학적 원리 규명
- 창의성은 신경망의 스코어 함수 스무딩 효과에서 비롯됨
- 모델이 훈련 데이터를 암기하지 않고 데이터 매니폴드 상에서 보간
- ICLR 2026에서 ‘On the Interpolation Effect of Score Smoothing in Diffusion Models’ 발표
향후 전망
- 생성형 AI의 블랙박스 해석에 중요한 이론적 기여
- 확산 모델의 성능 개선 및 새로운 응용 분야 개발에 기여할 전망