Ir al contenido principal
Inteligencia artificial

¿Qué son los GAN y cómo puede utilizarlos en su trabajo?

Por Sin comentarios7 min read
Redes generativas adversariales de GAN

¿Qué sabe sobre las GAN?

En 2017, la Fundación Internacional para la Investigación del Arte (IFAR) de Nueva York fue la encargada de determinar que cuatro cuadros atribuidos al artista Jackson Pollock eran falsos. Las obras estaban en posesión de un coleccionista alemán que vivía en Chicago.

El IFAR, una organización sin ánimo de lucro, tiene este objetivo: analizar obras de arte y aclarar su autenticidad. Al fin y al cabo, ¡se trata de obras que pueden venderse por sumas muy elevadas! Los cuadros de Jackson Pollock se han llegado a vender por 140 millones de dólares. 

Este proceso de separación de contenidos en línea verdaderos y falsos ha adquirido otra dimensión con los GAN. En este artículo te explicaremos qué son los GAN y cómo puedes utilizar esta tecnología en tu trabajo. 

Qué son las GAN

En redes generativas adversariales (son un modelo de inteligencia artificial (IA) cuyo objetivo es discriminar y generar contenidos realistas.

Los GAN funcionan como un ring en el que se enfrentan dos boxeadores. Uno de ellos, el generador, producirá el contenido (texto, imagen o vídeo). El segundo es el discriminador, que tiene la capacidad de evaluar si el contenido es verdadero o falso. 

Mientras que el generador buscará la manera de producir contenidos que puedan engañar al discriminador, éste analizará todo lo que produce el generador para sacar a la luz los contenidos falsos. 

Dado que es una IA la que tiene a los dos componentes trabajando en esta disputa, los GAN se denominan adversarios. Sin embargo, no se trata de una competición para ver cuál es más capaz de llevar a cabo su tarea con éxito. El objetivo es que una aprenda de la otra para realizar su trabajo de la mejor manera posible. 

Tipos de GAN 

Dado que los GAN son un modelo de IA, tienen numerosas aplicaciones. En consecuencia, se han desarrollado varios GAN para llevar a cabo determinadas tareas.

Hablar de cada uno de ellos alargaría este artículo páginas y páginas. Así que centrémonos en tres modelos y en cómo utilizarlos. 

DCGAN's: GAN convolucionales profundas

Las redes generativas convolucionales adversariales se desarrollaron para imágenes. El objetivo es editar imágenes de forma convincente, especialmente eliminando elementos que reducen la nitidez.

Otro punto importante es la generación de imágenes que dejan a cualquiera confundido: ¿es una imagen real o no? 

SRGANs: GANs de súper resolución 

Las Redes Generativas Adversariales de Superresolución son una mezcla de modelos GAN. Mediante esta IA, el usuario puede cargar imágenes enteras con baja resolución y obtener resultados de alta resolución.

Esta mejora devuelve a la imagen su característica más nítida. 

cGANs: GANs condicionales 

Las Redes Generativas Adversariales Condicionales son una optimización de otros modelos. Esta optimización está diseñada para que el usuario pueda determinar las condiciones de producción de textos, imágenes o vídeos.

Como resultado, los resultados se acercarán más a lo que el usuario quiere conseguir con los GAN. 

Cómo utilizar los GAN en su trabajo

Las GAN tienen aplicaciones más interesantes para las profesiones que implican creatividad. La producción de textos, imágenes y vídeos mediante IA es una forma de acelerar la entrega de materiales. Para ilustrar este inmenso abanico de posibilidades, destaquemos tres opciones. 

Campañas publicitarias

Los anuncios son un rompecabezas que debe probarse a fondo para garantizar que cada pieza sea lo más eficaz posible. Sin embargo, producir todas las piezas, y sus variaciones de tamaño, puede ser una tarea que lleve mucho tiempo. 

Así que las GAN son una forma de acelerar el proceso. La generación de contenidos mediante IA, especialmente el modelado condicional, hace que la creación de campañas sea una tarea más rápida con más variables que probar. 

Artículos de blog

Otra aplicación es la producción de artículos para blogs. La mayor ventaja de los GAN para textos es que los componentes generador y discriminador ayudarán a producir artículos que sean más creíbles. 

No sólo serán textos más precisos, sino que tienen mayor capacidad para simular la forma de escribir de una persona. Al pasar el artículo por herramientas que identifican el uso de IA, el objetivo es pasar desapercibido. 

Si le interesa este tema, lea nuestro artículo sobre redes neuronales artificiales.

Servicios fotográficos

¿Tienes una foto vieja por casa? Con los GAN puedes mejorar digitalmente la imagen y obtener un resultado más nítido. Esta es la tarea que muchos fotógrafos de todo el mundo están recibiendo de sus clientes. 

La gente recurre a este servicio como forma de conservar sus recuerdos de padres, abuelos y familiares fallecidos a través de sus fotos. También es una forma de mejorar los documentos históricos y no perder su contenido. 

El lado complicado de las GAN

Aunque las GAN son una innovación tecnológica llena de ventajas, también pueden suponer un peligro. 

La posibilidad de simular contenidos realistas aumenta las posibilidades de que personas malintencionadas produzcan contenidos engañosos. Fake noticias falsasen particular, se han convertido en un problema de comunicación mundial y las GAN pueden amplificar este reto.

No sólo por la producción de contenidos falsos, sino también por el componente discriminatorio, que trabaja para que todo sea aún más realista. Como resultado, es de esperar que pocas personas sean capaces de distinguir entre el contenido correcto y el incorrecto. 

¡Y piensa en todas las aplicaciones viables de esto! 

Textos y artículos que pretenden validar información falsa, edición de imágenes prácticamente indetectable, audio tan realista que puede engañar fácilmente. 

Un ejemplo actual es el uso de GAN para analizar vídeos de influencers y presentadores con el fin de simular sus patrones de voz. De esta forma, los estafadores pueden producir audios muy convincentes y extorsionar a familiares, amigos y seguidores de estas personalidades. 

Conclusión

Ahora que conoces los GAN y cómo se utilizan en la actualidad, es tu oportunidad de incluir esta IA en tu trabajo.

Aquí en el blog de Pareto también puedes aprender sobre otros modelos generativos y hacer tus tareas más rápidas y eficaces. Para saber más, sólo tienes que elegir un tema aquí en el blog de Pareto y seguir las próximas entradas.

¡Feliz lectura!

¿Le ha gustado este artículo?

0 / 5 Resultados 0 Votos 0

Su page rank:

Pareto

Autor: Pareto - Aprende más sobre el mundo de las IAs y el Marketing Digital. ¡Accede ahora a nuestra colección de contenidos!