Resumen
Desde los inicios de la inteligencia artificial (IA) hasta la actualidad, hemos sido testigos de una fascinante evolución en la complejidad de los modelos y la sofisticación de los algoritmos. Este progreso, impulsado por la constante innovación, encuentra su terreno de experimentación en campos inesperados, siendo la adquisición de DeepMind por Google o la compra
Desde los inicios de la inteligencia artificial (IA) hasta la actualidad, hemos sido testigos de una fascinante evolución en la complejidad de los modelos y la sofisticación de los algoritmos. Este progreso, impulsado por la constante innovación, encuentra su terreno de experimentación en campos inesperados, siendo la adquisición de DeepMind por Google o la compra del 50% de OpenAI por Microsoft, ejemplos de cómo los viejos jugadores del mundo de la tecnología se interesan por pequeños jugadores que tienen como bandera el desarrollo de la IA. El recorrido a continuación nos lleva a la intersección entre la tecnología y la moda, explorando cómo los modelos de difusión transforman la creación visual, desde la representación hasta la simulación de texturas y poses. Este avance reconfigura no solo el aspecto estilístico, sino que también plantea interrogantes éticos y económicos sobre el impacto en profesionales creativas como los ilustradores y fotógrafos, dando forma a un nuevo y desconocido panorama digital. A medida que las fronteras entre la inteligencia humana y artificial se desdibujan, surge una reflexión sobre el equilibrio entre la innovación tecnológica y el mantenimiento de la integridad artística, así como sobre el futuro del trabajo en un entorno cada vez más digitalizado.
Citas
Alammar, J. (2022/22). The Illustrated Stable Diffusion. https://jalammar.github.io/illustrated-stable-diffusion/
Andrew (Username). (2023/11/22). What are LoRA models and how to use them in AUTOMATIC1111. https://stable-diffusion-art.com/lora/
Baio, A. (2022/10/30). Exploring 12 Million of the 2.3 Billion Images Used to Train Stable Diffusion’s Image Generator. https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable-diffusions-image-generator/
Escott, E. (2017/10/24). What are the 3 types of AI? A guide to narrow, general, and super artificial intelligence. https://codebots.com/artificial-intelligence/the-3-types-of-ai-is-the-third-even-possible
Gözükara, F. (/09/20). sdxl LoRA vs sdxl DreamBooth Training Results Comparison. https://stable-diffusion-art.com/lora/
Hobsbawm, E. (1952). The machine breakers. https://libcom.org/article/machine-breakers-eric-hobsbawm
Lvmin Zhang, A. R. (10 de Noviembre de 2023). Adding Conditional Control to Text-to-Image Diffusion Models. Obtenido de https://arxiv.org/ abs/2302.05543
Mori, M. (1970). The uncanny valley. Energy, 33-35.
Noveck, J., & O’Brien, M. (2023/08/31). Artistas visuales luchan contra empresas de IA para proteger su obra. Los Angeles Times. https://www.latimes.com/espanol/entretenimiento/articulo/2023-08-31/artistas-visuales-luchan-contra-empresas-de-ia-para-proteger-su-obra
Perrigo, B. (2023/04/13). The A to Z of Artificial Intelligence. https://time.com/6271657/a-to-z-of-artificial-intelligence/
Rubbiani, D. (2023/12/08). ¿Qué lugar ocupa la creatividad en la industria ante el avance de la IA? https://www.latinspots.com/sp/noticia/qu-lugar-ocupa-la-creatividad-en-laindustria-ante-el-avance-de-la-ia/68381
StabilityAI. (2022/12/07). Basics of Prompt Engineering. Basics of Prompt Engineering.
Wiesel, D. H. (1962/01). Receptive fields, binocular interaction and functional architecture in the cat’s visual cortex. The Journal of Physiology, 160(1), 106-154. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1359523/
Wiggers, K. (2022/08/12). This startup is setting a dall-e 2-like ai free, consequences be damned. https://techcrunch.com/2022/08/12/a-startup-wants-to-democratize-the-tech-behind-dall-e-2-consequences-be-damned/

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2023 Servicio Nacional de Aprendizaje SENA
