Usar IA generativa para crear arte de forma eficiente y responsable

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Establecer objetivos realistas para agregar imágenes generadas en su flujo de trabajo.
  
• Crear solicitudes que controlen de forma eficiente los resultados generados.
  
• Describir las inquietudes éticas de usar ilustraciones de IA generativa.
  

Integrar arte generado en sus proyectos

Ya sea que quiera ilustrar un concepto para una presentación o mostrar el aspecto que tiene su producto cuando se usa en el mundo real, con la IA generativa puede perfeccionar su trabajo con imágenes. Usar la IA para crear imágenes es en sí una forma de hacer arte. Con el enfoque correcto, puede generar las imágenes adecuadas para su próximo proyecto.

Al generar imágenes, recuerde que el arte es subjetivo. Es posible que busque la imagen perfecta para enfatizar su punto, pero la perfección no existe. Lo que para usted es brillante, para otros no lo es. Así que considere usar la imagen con la que se siente 95% feliz; es probable que ese 5% sea una zona de subjetividad.

Recuerde cuál es su objetivo para incluir imágenes en su proyecto. Puede que su objetivo sea cortar su texto con algunas imágenes interesantes, pero una vez que empieza a generar imágenes, es tentador alejarse de su objetivo para encontrar una imagen perfecta. Ese enfoque limitado lo lleva a no tener en cuenta las opciones que cumplen con el objetivo principal de complementar su contenido.

Esto incluye imágenes que tienen pequeñas imperfecciones. Si las ilustraciones no son el punto central del proyecto, puede que su espectador ni siquiera se dé cuenta si hay algún error. Por ejemplo, esta imagen se usa en la insignia Aspectos básicos de la IA generativa.

Si observa con atención, la mesa tiene cinco patas. La imagen no es perfecta, pero cumple con su función. En general, ser flexible genera resultados aceptables más rápido. Por lo general, se ahorra dinero también, ya que muchas herramientas de IA generativa son servicios pagos. Dicho esto, puede ser flexible y también inteligente acerca de su forma de trabajar con estas herramientas.

El arte de la ingeniería de solicitudes

Como aprendió en la insignia Nociones básicas de las solicitudes, las solicitudes son la forma en la que interactúa con los modelos de IA generativa. Le da instrucciones a un modelo a través de texto (y quizás un par de imágenes), y le devuelve su mejor predicción de lo que solicitó. Por lo general, cuanto mejor sean las solicitudes, mejores serán los resultados.

Ahora bien, ¿en qué consiste una buena solicitud? Es una pregunta aparentemente sencilla, pero que desató un debate entre artistas digitales. Ya que nunca se entenderán del todo las conexiones que se realizan cuando se entrena un modelo, nunca se podrá responder con certeza. Así que hacemos una estimación y esperamos lo mejor, pero algunas estimaciones son mejores que otras. Esta es la base de la ingeniería de solicitudes. El término surgió de la subcultura de artistas que primero adoptaron la IA generativa como herramienta para crear arte.

La ingeniería de solicitudes se trata de experimentar con solicitudes para ver lo que pasa. A partir de prueba y error, los primeros ingenieros de solicitudes descubrieron técnicas que funcionan sorprendentemente bien para influenciar los resultados de la IA generativa. La ingeniería de solicitudes evolucionó y se convirtió en un oficio sofisticado, pero existen algunas técnicas más sencillas y bien establecidas para obtener mejores resultados a medida que empieza a usar las herramientas de IA generativa.

• Usar modificadores de estilo. Desde las pinturas rupestres en cuevas hasta la renderización 3D, el arte evolucionó. En su solicitud, incluya un estilo específico de arte, como el impresionismo, o un artista específico, como Monet. Describa eras, regiones geográficas o materiales. Cualquier detalle que se suela asociar con un estilo de arte específico conformará el modelo.
  
  
• Usar descriptores de calidad. Si bien los modelos de IA no pueden opinar acerca de la belleza, nosotros como humanos sí podemos y no tenemos miedo a hacerlo por escrito. En definitiva, esas nociones subjetivas forman parte del modelo. Así que al pedir una imagen de un “pueblo rural, rodeado de paz y belleza, de alta definición” seguro se genera algo agradable a la vista.
  
  
• Repetir lo que es importante. Sería ridículo pedirle a un artista que pinte un “pueblo rural nevoso, nevoso, nevoso, nevoso, nevoso, nevoso”, pero los modelos de IA generativa reaccionan bien a las repeticiones (y no les molestan). Todo lo que se repite llama más la atención, incluso modificadores como “muy” o “muchos”.
  
  
• Evaluar lo que es importante. Con algunos modelos, puede controlar de forma directa la importancia de algunos términos. Por ejemplo, con Stable Diffusion, puede escribir un valor numérico en una parte de la solicitud. Por lo tanto, un “pueblo rural | nevoso:10 | estrellas:5 | nubes:-10” genera mucha nieve, pero con un cielo despejado y estrellado. No todos los modelos admiten este tipo de ponderación directa o tendrán una sintaxis diferente, así que investigue los matices de la herramienta que está usando.
  

Imagen generada mediante IA con DreamStudio en stability.ai a través de la solicitud: “Un pueblo rural muy hermoso y pacífico de noche pintado con un estilo impresionista | nevoso:10 | estrellas:5 | nubes:-20”

Ya sea que lo llame arte, un oficio o una ciencia, la ingeniería de solicitudes requiere práctica. Recuerde que no existe la solicitud ni la ilustración perfectas. Prepárese para las sorpresas que puedan surgir cuando cree imágenes generadas por IA y, en poco tiempo, descubrirá las imágenes que se adaptan mejor a su próximo proyecto.

La ética de las ilustraciones generadas

A partir de los avances en la tecnología de AI, surgieron varias preguntas éticas. Si bien es difícil encontrar las respuestas para satisfacer a todos, podemos intentar entender las inquietudes.

Para muchos artistas, el plagio es la principal inquietud. Si sus trabajos se usan para entrenar a un modelo, entonces el modelo puede replicar sus estilos. En algunos casos, es obvio que las imágenes se derivan de trabajos existentes. En otros casos, el estilo es tan similar que la falsificación pasa como original. Muchos artistas quieren eliminar su trabajo de los datos de entrenamiento y, por suerte, los administradores de modelos populares están respondiendo de buena fe.

La usurpación de identidad es una inquietud menos obvia y más dañina. Puede que esté familiarizado con los deepfakes, es decir, los videos donde la IA se usa para reemplazar la cara de alguien por otra persona. Desafortunadamente, los deepfakes se suelen crear sin el consentimiento de la persona que está siendo imitada. Lo más inofensivo sería grabar un video divertido de una celebridad diciendo algo gracioso. Ahora, ¿qué pasa si se crea la ilustración de esa celebridad para vender un producto? ¿O si se hace que un político mienta acerca de un problema? Esto es solo la punta del iceberg. El lema “ver para creer” dejó de tener validez, así que debemos mejorar nuestras habilidades para detectar los fraudes.

La calidad de la IA generativa depende de los datos que se utilizaron para el entrenamiento. Si los datos están sesgados, los resultados generados también estarán sesgados. Históricamente, se ha representado a los médicos como hombres, así que los modelos podrían tener una fuerte conexión entre “médico” y “hombre” (incluso aunque esa conexión no refleje la realidad en la actualidad). Aunque usted no esté intentado difundir un estereotipo, es posible que su modelo sí lo haga. Considere usar la ponderación para contrarrestar los sesgos.

La IA generativa va a ser siempre derivativa de alguna forma. Esto podría socavar la creatividad genuina. ¿Existiría el cubismo si Picasso hubiera tenido acceso a DALL-E? Como la IA actual está entrenada con imágenes generadas en la actualidad, los mismos estilos se repiten a sí mismos. En verdad necesitamos que los humanos contribuyan con su propia visión artística como forma de intervención humana.

Por último, si tiene pensado usar imágenes generadas, considere dar crédito de dónde vienen con algo tan sencillo como una marca de agua que especifique “generado por IA”. La transparencia genera confianza. Los modelos se pueden programar para que omitan los trabajos que contribuirían a un bucle de comentarios. No existe la forma correcta de atribuir trabajos como generados por IA, pero la Modern Language Association (MLA) tiene algunas directrices.

Ahora que sabe más acerca de cómo usar la IA generativa de forma eficiente y responsable, pruebe incorporar imágenes generadas en su próximo proyecto.

Recursos

• Trailhead: Nociones básicas de las solicitudes
  
• Trailhead: Creación responsable de inteligencia artificial
  
• Sitio web: Guía de ingeniería de solicitudes
  
• Sitio web: Centro de estilo de MLA: ¿Cómo cito la IA generativa con el estilo MLA?