KI-Tools wie Midjourney lernen durch Analyse von Millionen Bild-Text-Paaren, welche Farben, Formen und Texturen zu Begriffen gehören. Während des Trainings werden Bilder absichtlich mit Rauschen versehen, das die KI Schritt für Schritt entfernt, um Details zu erzeugen. Nach der Texteingabe wandelt die KI den Text in Vektor-Darstellungen um, generiert aus Rauschen das Bild und verfeinert es mit Upscalern und Filtern. Dieses komplexe Verfahren ermöglicht sehr realistische Bildkreationen, wie ein KI-Foto, das einen Sony World Photography Award gewann.