IA Generativa de Imagen

Investigación: IA Generativa de Imagen

Autor: Laura Alarcón

Fecha: 9-07-2024

Fuente: UNESCO Guía para el uso de IA generativa en educación e investigación. https://unesdoc.unesco.org/in/documentViewer.xhtml?v=2.1.196&id=p::usmarcdef_0000389227&file=/in/rest/annotationSVC/DownloadWatermarkedAttachment/attach_import_2779c7b7-cb65-454a-9a7d-c23bd13628a3%3F_%3D389227spa.pdf&locale=es&multi=true&ark=/ark:/48223/pf0000389227/PDF/389227spa.pdf#2389_23_guide_AI_S.indd%3A.9946%3A1846

Los modelos de IAGen de imágenes y de música suelen utilizar Red Neuronal Artificial (RNA) conocidas como redes generativas antagónicas (RGAs), que también pueden combinarse con autocodificadores variacionales.

Las RGAs constan de dos partes (dos “adversarios”), el “generador” y el “discriminador”. En el caso de las RGAs de imágenes, el generador crea una imagen aleatoria en respuesta a un prompt (instrucción o pregunta), y el discriminador intenta distinguir entre la imagen generada y las reales.

Posteriormente, el generador utiliza el resultado del discriminador para ajustar sus parámetros y crear otra imagen. El proceso se repite, quizás miles de veces, y el generador crea imágenes cada vez más realistas que el discriminador distingue progresivamente menos de las reales.

Por ejemplo, una RGA entrenado con éxito sobre un conjunto de datos de miles de fotografías de paisajes podría generar imágenes de paisajes nuevas, aunque irreales, casi indistinguibles de las reales.