А как нейронка рисует картинки рассказать?  Расскажу на примере стейбл дифьюжен. Здесь, как вы уже наверно догадались, тоже не обошлось без трансформера. Если в случае с ГПТ в нейронную многоножку сшит Т9, то здесь используется нейронка для улучшения картинок.  Идея использования нейронки для улучшения качества картинки не нова и вполне логична. Вот есть у тебя хреновая картинка с уличной камеры, ты скармливаешь ее нейронке и получаешь чуть более разборчивую картинку. Я такое еще в 80х в кино видел. Так же очевидно и желание скормить эту картинку нейронке еще раз и получить еще бооее разборчивую картинку. Есть правда нюанс, с каждым разом картинка становится менее похожа на оригинал.  И вот однажды кому-то пришла в голову блестящая идея подать на вход такой нейронки чистый шум без всякого изображения. В нем же можно увидеть любую картинку, как вы иногда видите образы в белом шуме на экране телевизора. Так появился стейбл дифьюжен.  Опять же незначительные подробности опущены. Кстати, вот тут я учил СД генерить картинки для ZX Spectrum, зацените: https://huggingface.co/shadowlamer/sd-zxspectrum-model-256/