Plus saliva sharing / history of timekeeping / defining earth’s new epoch

partly because it uses an 
alternative approach that has 
come of age in the past year or 
so, called a diffusion model. The 
network is still trained using 
images, but it handles them 
differently. It gradually and 
deliberately destroys them 
by adding noise.
A pristine image has a layer 
of noise added that degrades it 
slightly, and then more noise 
is added and so on, until the 
image is pure chaos. The AI, 
known as a neural network, 
watches this process and 
consequently learns how to 
reverse it. It can then begin 
with an input that is nothing 
but noise and efficiently work 
towards a photorealistic image – 
effectively un-destroying a new 
image into existence.
When applied to a situation in 
which an AI creates images from 
text descriptions, this approach 
is far more efficient in terms 
of computer power than the 
approach used in DALL-E.
What’s more, the results are
of higher quality. In a test of the 
software’s performance, human 
judges preferred GLIDE’s images 
over those from DALL-E 87 per 
cent of the time in terms of 
photorealism, and 69 per cent
of the time based on how well 
they matched the text input 
(arxiv.org/abs/2112.10741).
Although each GLIDE image 
still takes 15 seconds to create 
on an A100 graphics processing 
unit (GPU) that costs upwards 
of £10,000, the work represents 
an important step forward, says 
Malekmohamadi. “I’m glad to 
see that this kind of research 
direction is leading toward a 
smaller model that could be 
trained on less powerful 
GPUs,” he says.
The method of destroying 
data to train the AI may seem 
counter-intuitive. “You take an 
image that’s pristine and clear 
and you take it all the way 
down to the point where it’s 
completely unrecognisable; 
[the AI] is in fact learning the 
opposite, which is taking 
something that’s completely 
unrecognisable and ‘restoring’ 
it back to pristine condition,” 
says Mark Riedl at the Georgia 
Institute of Technology in 
Atlanta. He believes that AI and 
diffusion models such as GLIDE 
will have a big impact on photo 
editing. “Photoshop will 
become neural,” he says.
The OpenAI researchers, who 
weren’t available for interview, 
say in their paper that GLIDE can 
find it hard to produce realistic 
images for complex prompts. To 
try to solve this, they added the 
ability to edit the initial images. 
Users can ask GLIDE to create 
“a cosy living room” and then 
select a region of the resultant 
picture and ask for more details, 
such as “a painting of a corgi on 
the wall”. Riedl believes that this 
sort of process will one day be 
seen in commercial software.
❚