一切智能体都在“噪声”中生长，甚至依赖“噪声”滋养 ，它们不是上帝，不可能在虚无中创造—— David 9
1970年，心理学家Richard Warren和他的同事研究了音素恢复在人类语言中的案例。
以“legislatures”这个单词的完整发音为例，是下图第一行的音频，如果在这段音频中切离一部分音频，替换成毫无声音的静音(第二行)音频，或替换成宽音域的噪声(第三行)音频，人类恢复声音的能力是不一样的。对于第三行的宽域噪声，人们可以很好地脑补完整的“legislatures”单词，而对于完全的静音，人们则难以“脑补”整个单词。
这从侧面展示噪声对智能体的作用往往被低估了，智能体善于从噪声中过滤和还原信息，而不是从虚无中。智能体善于快速地“做选择题”。
现在，借助郎之万动力学采样法，扩散生成模型(Diffusion Models) 已经可以生成高像素的人造图像，其多样性也超越了传统GAN。
其核心思想正是从噪声中一步一步还原出新图像：
而与我们曾经讲过的生成模型不同的是，
