【AI日記：研究論文へのチャレンジ】第2話 拡散モデルとは何か：創造的知性のプロセスとしての解釈
本稿の狙い
本稿では、画像生成AIの中核技術であるDiffusion Modelについて、私自身の視点から「宇宙原理」や「知的運動」と結びつけた世界観を提示したい。
これはあくまで一つの構想であり、科学的な正当性を主張するものではなく、むしろ、こうした思索を通じて、AIの可能性を広げる新たな視点を模索することが目的である。
なお、研究論文の中では、画像生成AIの拡張モデルを「宇宙原理」や「知的運動」の模倣と捉え、哲学的な観点から問題提起し、新たな方法論の提案を目指している。
宇宙原理と知的運動：私の仮説
宇宙原理と知的運動について、私なりの仮説は以下のとおり。
ビッグバン以前の宇宙は、倫理観（他者を傷つけない／破壊しない意志）や肯定観（肯定・生成・美・喜び）が漂うエネルギー空間である。
宇宙の始まり（ビッグバン）では、決定論的な進化プログラムが組み込まれ、質量（時間遅延）と自我（部分視点）の制約を持つ「選択空間」が生成される。
この「選択空間」の中で、決定論的な進化プログラムが実行される（＝知的運動の始動）。
その実行の結果、宇宙には無数の星が生まれ、太陽系、銀河系と無数の天体集団が重なり合って存在。それぞれの星は、エネルギー空間の極小点に点在している。
この世界は、質量（時間遅延）と自我（部分視点）の制約を持つ「選択空間」であるため、宇宙の未来は一意には定まらない。
一見、確率的な現象に見えるこの世界も、本質的には“決定論的な進化プログラムが実行されている＝決定論的な知的運動が行われている”が正しい解釈ではないか。
拡散モデルをどう捉えるか
拡散モデルとは、複数のサンプル画像を極小点としてマッピングされたスコア関数（エネルギーに相当する関数）を構築することで、拡散過程は、サンプル画像を中心としてエネルギーの山を浸食しながら進む感じ──すなわち、エネルギーの谷で複数のサンプル画像を持つ極小点という川が流れている地形を作り出す。＝その地形がスコア関数に学習される。
その行き先は、サンプル画像が持つ特徴（本質や意味）が抽出された状態に漸近していく。
この拡散過程は、単にノイズを加えたり情報を失わせたりするものではなく、潜在的な意味が濃縮された状態──すなわち、エネルギー世界の抽象化された表現へと近づく過程と捉えられるのではないか。
拡散モデルのプロセス（私の捉え方）
極小点：エネルギー関数の複数の極小点にサンプル画像がマッピングされる
拡散過程：エネルギーの谷で複数のサンプル画像を持つ極小点という川が流れている地形を作り出す。＝その地形がスコア関数に学習される。
極大点：サンプル画像の意味が構造として浮かび上がり、意味や本質が可視化された状態である
逆拡散過程：抽出された本質を、具体的・表現的な形式へと「戻す」 →この逆拡散は、抽出された意味に基づいて現実を再構築するプロセスであり、創造的知性のダイナミクスを体現するもの。
つまり、拡散モデルは単なる画像生成技術ではなく、意味生成と知的運動のプロセスと捉えることができるのではないか。
拡散モデルを宇宙やエネルギー地形に重ね合わせてみると、個々の画像は、星やエネルギーの極小点にマッピングされた存在に見える。銀河系などの天体集団や小高い山が、何らかの意味を持った集合体。複数の意味構造（＝天体集団やエネルギーの山）が重なり合う空間では、探索をより深めるためにアニーリング的な操作が有効となる可能性がある。
今後の展望
異論や批判もあるかもしれませんが、まずは自分の頭の中にある世界観を思い切って言語化してみた。
ここから、拡散モデルに対する問題提起を行い、新たな方法論の発見へとつなげていきたい。
