¿Qué son y cómo impactan al mundo las Generative Adversarial Networks (GAN)?

Alguna vez se ha preguntado ¿cómo fue posible el desarrollo de plataformas de Inteligencia Artificial tan disruptivas como Midjourney o Dall-E?  La respuesta tiene mucho que ver con una sigla: GAN o Generative Adversarial Networks.

En los últimos 24 meses hemos sido testigos de una explosión en el uso de la Inteligencia Artificial que ha sido protagonizada por una variante llamada IA Generativa, que debe su nombre precisamente a su capacidad de generar cosas que no existían.

En otras palabras, se trata de una IA generadora de contenido. Pero esta tendencia ya existía, lo que la ha hecho saltar al escenario recientemente ha sido una técnica llamada redes generativas antagónicas (GAN) que consiste en poner a dos inteligencias artificiales a competir entre sí.

Gracias a este método, desarrollado inicialmente por el científico informático estadounidense Ian Goodfellow, en 2014, nacieron las plataformas que ahora están en boca de todos. Los sistemas para crear imágenes a partir de texto como Midjourney y Stable Diffusion o para crear música, a partir de textos, como MusicLM, entre otros.

¿Cómo funciona?

Para entender un poco lo revolucionario de estas redes GAN debemos recordar el sistema tradicional de entrenamiento supervisado de las inteligencias artificiales. En este método se introducen datos, en un modelo de cómputo, y estos generan un producto (output) que es comparado con una base de datos.

Las redes GAN no necesitan de esta supervisión y se entrenan entre sí, memorizando constantemente. De esta forma, se crean dos IA donde una será llamada el “Generador”, que hará lo posible por engañar a su colega que será conocida como el “Discriminador”.

Estas dos redes enfrentadas crean un círculo virtuoso donde cada una mejorará constantemente. En caso de que el discriminador rechace un objeto, el generador aprenderá de la experiencia y creará una pieza superior. De igual forma, si lo engañan, el generador creará nuevos parámetros para ser más exigente.

¿Para qué sirve?

Aunque su fama reciente se ha dado por la generación de textos a imágenes, los usos posibles de las GAN apenas se están conociendo. Por ejemplo, en criptografía, al enfrentar a dos IA se pueden crear sistemas de seguridad más avanzados que los actuales.

Otro uso, ya en manos de muchos, es la mejora de resolución de las imágenes. ¿Recuerda esas aplicaciones para arreglar las fotos viejas desenfocadas o con mala calidad de imagen?  De eso se trata.

Otro uso es en la predicción de fotogramas de vídeo permitiendo experiencias más inmersivas en videojuegos o en realidad virtual.

Pero tal vez su mayor potencial sea en la creación de contenido, dando herramientas nunca vistas a los creadores para generar vídeos, historietas, novelas y canciones que podrían transformar la industria del entretenimiento. Lo único cierto, es que hasta ahora estamos comenzando.

Si quiere conocer o adquirir las soluciones digitales que Movistar Empresas tiene para impulsar la transformación digital de tu negocio ingrese aquí.

Foto de rawpixel