Come fa l'AI a creare immagini dal nulla?

Il trucco: partire dal rumore

Immagina una vecchia televisione senza segnale: un’immagine piena di puntini casuali, il cosiddetto rumore. Ora immagina qualcuno capace di guardare quel rumore e dire: «Qui, se togliessi un po’ di puntini, ci vedrei la sagoma di un gatto». Toglie un po’ di rumore, guarda di nuovo, ne toglie ancora. Dopo decine di passaggi, il gatto c’è davvero.

È, semplificando, quello che fanno i modelli di diffusione, la tecnica su cui si basano molti generatori di immagini come Stable Diffusion e i suoi simili. Partono dal rumore e lo ripuliscono un passo alla volta, finché non resta un’immagine.

Come hanno imparato

Durante l’addestramento il modello fa l’esercizio al contrario. Prende un’immagine vera, ci aggiunge un po’ di rumore, poi ancora, finché non resta solo rumore. A ogni passaggio impara a fare il percorso inverso: data un’immagine un po’ sporca, come era prima?

Lo fa su un’enorme quantità di immagini, ognuna accompagnata da una didascalia. Così impara anche il legame tra le parole e quello che si vede: cos’è un «tramonto», cosa vuol dire «acquerello», come appare una «foto in bianco e nero».

Il ruolo del testo

Quando scrivi un prompt, il testo viene trasformato in una rappresentazione numerica che guida ogni passaggio di pulizia. Il modello non toglie il rumore a caso: lo toglie in modo che l’immagine assomigli sempre di più alla tua descrizione.

Per questo lo stesso prompt dà ogni volta un’immagine diversa: si parte da un rumore casuale diverso.

Perché a volte sbagliano

Mani con sei dita, scritte senza senso, oggetti che si fondono tra loro: sono stati per anni il segno riconoscibile delle immagini generate. I modelli più recenti sono migliorati molto, ma i dettagli piccoli e le regole precise restano difficili. Il modello ha imparato come appaiono le cose, non come funzionano: sa che una mano ha delle dita, non che sono cinque.

Come scrivere un buon prompt per le immagini

Un prompt efficace descrive cinque cose:

1. Il soggetto: cosa c’è e cosa sta facendo.
2. Lo stile: fotografia, illustrazione, acquerello, 3D.
3. L’inquadratura: primo piano, dall’alto, campo largo.
4. La luce e i colori: luce del mattino, toni caldi, contrasto forte.
5. Il formato: quadrato per un post, verticale per una storia.

Esempio: «Fotografia di una scrivania in legno con un portatile e una tazza di caffè, luce calda del mattino da una finestra, inquadratura dall’alto, formato verticale».

Si possono usare per lavoro?

Spesso sì, ma con qualche attenzione:

• Condizioni d’uso. Ogni servizio ha le sue regole sull’uso commerciale delle immagini: leggile.
• Persone reali e marchi. Evita di generare immagini di persone reali riconoscibili o con marchi altrui.
• Trasparenza. Le regole europee chiedono di rendere riconoscibili alcuni contenuti generati dall’AI, in particolare quelli che imitano persone o fatti reali. Ne parliamo nella guida sull’AI Act.