A diferencia de otros modelos como DALL-E 3 o Midjourney, que utilizan un enfoque más tradicional, Janus-Pro emplea dos sistemas separados: uno para entender las imágenes y otro para generarlas. Esta distinción puede parecer sutil, pero es fundamental para su excepcional rendimiento.

Los resultados hablan por sí mismos. En pruebas recientes, Janus-Pro-7B alcanzó un impresionante 80% de precisión en GenEval, superando a gigantes como DALL-E 3 (67%) y otros modelos de última generación. Esto significa que cuando le pides que genere una imagen específica, la probabilidad de que capture exactamente lo que quieres es significativamente mayor que con otras IAs.

Pero ¿qué hace que Janus-Pro sea tan preciso? La respuesta está en su entrenamiento mejorado y su conjunto de datos ampliado. DeepSeek-AI ha incorporado aproximadamente 72 millones de muestras de datos estéticos sintéticos, equilibrándolos con datos del mundo real en una proporción 1:1. Este enfoque ha resultado en imágenes no solo más estables, sino también visualmente más atractivas.

Te puede interesar: Por qué DeepSeek, herramienta china, está liderando descargas en iPhone y superando a ChatGPT

A diferencia de Copilot o ChatGPT, que son principalmente modelos de lenguaje con capacidades de generación de imágenes añadidas posteriormente, Janus-Pro fue diseñado desde cero para ser un sistema verdaderamente multimodal. Esto le permite no solo generar imágenes, sino también comprender profundamente el contexto y las instrucciones complejas.

La diferencia con Gemini es particularmente notable. Mientras que Gemini adopta un enfoque más generalista, Janus-Pro se especializa en la generación de imágenes de alta calidad y la comprensión visual profunda. Esta especialización se refleja en su capacidad para capturar detalles sutiles y seguir instrucciones complejas con una precisión sin precedentes.

También es importante mencionar que Janus-Pro tiene capacidad para manejar prompts cortos con la misma eficacia que descripciones detalladas. Donde otros modelos pueden luchar con instrucciones breves, Janus-Pro mantiene una consistencia notable en la calidad de sus generaciones, independientemente de la longitud de la descripción.

El equipo detrás de DeepSeek-AI ha sido transparente sobre las limitaciones actuales del modelo. Por ejemplo, la resolución de salida está limitada a 384×384 píxeles, y algunas áreas pequeñas, como los rostros en imágenes complejas, pueden carecer de detalles ultrafinos. Sin embargo, estas limitaciones son compensadas por la extraordinaria precisión semántica del modelo.

Por otro lado, Janus-Pro tiene una comprensión contextual, es decir, no solo genera imágenes; entiende matices culturales, referencias artísticas y puede adaptar su salida según el contexto específico. Esta capacidad de “pensar” antes de generar resulta en imágenes que no solo son técnicamente correctas, sino también culturalmente relevantes y contextualmente apropiadas.

El impacto de Janus-Pro en la industria podría ser significativo. Su capacidad para combinar comprensión visual profunda con generación precisa de imágenes abre nuevas posibilidades en campos como el diseño, la publicidad y la educación. La barrera entre la visión humana y la interpretación artificial se está haciendo cada vez más delgada.

Pero el problema es que este mismo realismo ha creado una situación en la que a momentos parece imposible el identificar cuáles imágenes son verdaderas y cuáles creó una inteligencia artificial. Algo que parece crucial considerando las implicaciones que pueden tener durante la próxima ronda de elecciones o boom de noticias falsas.

Sin embargo es posible identificar una foto creada con AI utilizando un poco de observación y sabiendo qué buscar. Y la primera aclaración es que estos modelos siempre están evolucionando así que es posible que en cuestión de meses muchos de estos consejos dejen de funcionar. 

Pero, mientras tanto, estas son cinco claves para identificar una foto creada con AI.

Las manos lo dicen todo

Si hay un elemento que los modelos AI tengan problemas en recrear son las manos. La mayoría de modelos suele fallar al momento de recrear e interpretar bien el ángulo de los dedos o incluso el número que deberían tener. Es más evidente cuando la mano está sujetando algún objeto… pues usualmente no lo hacen, sino que está ‘suspendido’ entre los dedos.

Mirar más allá del objeto central

La principal razón por la que solemos confundir las fotos reales con imágenes producidas por AI está en que nos enfocamos en el centro de la pieza. Los modelos pueden interpretar muy bien los aspectos más importantes de una imagen, pero son menos perfeccionistas al momento de completar los ‘espacios’ en blanco. Por ejemplo, puede que el rostro central de la imagen sea perfecto, pero los de la multitud que lo acompaña tendrán imperfecciones más visibles.

El texto necesita gafas

Otro elemento clave al momento de distinguir fotos AI está en que los modelos no pueden reproducir texto legible, en especial en los fondos de las imágenes. La mayoría de fotos o imágenes permiten leer al menos una frase de texto que esté expuesto en un anuncio en el fondo. Las imágenes AI no pueden reproducir o recrear este nivel de detalles, así que suelen simplemente reemplazan esto con garabatos apenas legibles’.

La prueba de los aretes

Siempre puedes hacer la prueba de los aretes:

Mira la imagen y comprueba que la persona tenga el mismo tipo de aretes en cada oreja. Muchos modelos AI suelen completar un rostro agregando dos tipos diferentes de accesorios en cada lado de la cara. Otros ejemplos pueden ser un marco de gafas que es diferente en cada lado.

Todo es sobre la simetría

Esta imagen a primera vista puede parecer súper realista. Pero un vistazo a detalle revela uno de los principales problemas que tienen las fotos creadas con AI: no suelen interpretar muy bien la simetría. Por ejemplo, en la foto de arriba podemos notar que una de las mujeres cambia de tono de piel del cuello a la cabeza. O la persona al lado tiene en un extremo del rostro cabello rizado, pero luego se conecta con pelo liso. Este tipo de inconsistencias suelen existir en casi todas las imágenes AI: buscar errores en simetría y descubrirás con facilidad la imagen AI. 

Imágenes: Twitter y Reddit

La imagen muestra al Papa Francisco usando un abrigo de marca. Inicialmente la ‘foto’ se difundió como un meme, pero solo tomó un poco de tiempo antes de que algunas personas creyeran que se trataba de una verdadera fotografía y comenzaran a abrir un debate sobre las prioridades de la iglesia. De hecho, Twitter tuvo que agregar para antes del fin de semana una etiqueta indicando que se trataba de una fotografía falsa creada con Midjourney.

Por supuesto, los más detallistas encontrarán que hay muchos signos en Papa Swagged que indican que se trata de una imagen creada por AI. Por ejemplo, el crucifijo tiene ángulos extraños y se posiciona de manera rara encima del abrigo. El Jesús tampoco tiene buenos detalles y ni siquiera tiene brazos que se extiendan de manera correcta. La mano (que suele ser el talón de Aquiles de la AI) no tiene forma y tampoco podría sujetar el vaso de café con sus dedos inexistentes.

Y, sin embargo, como muchos han señalado es realista en el sentido de que a primera vista parece real. Algo importante, pues la experiencia con la información falsa nos ha demostrado que son pocas las personas que se toman el tiempo para analizar de manera crítica la información o piezas que encuentran en Internet. ¿Cuántos de ustedes verían una de estas fotos en una línea de tiempo en Twitter y la terminarían por confundir con algo que pudo haber pasado? ¿Cuántos se tomarían el tiempo de buscar las señales que indiquen que fue creada con AI?

Te puede interesar: Deepfake pornográfico: una (horrible) práctica que Facebook está impulsando

Para aquellos que llevamos un tiempo en el ‘rodeo’ de las redes sociales y la Internet el problema no es nuevo. Cuando comenzaron a popularizarse los deepfake (videos en los que gracias a software era posible ‘reemplazar’ el rostro de una persona en un video) las mismas inquietudes surgieron. ¿Están preparadas las redes sociales y las personas para aprender a diferenciar estas imágenes en los momentos más críticos?

Y la respuesta, por desgracia es que no: no lo estamos. Las elecciones más recientes comprobaron que las redes sociales no tienen los mecanismos para controlar estas piezas antes de que se hagan virales. Lo que se entiende. ¿Está la solución en prohibir las imágenes construidas en deepfake? Por supuesto que no. Otra solución asegura que este tipo de piezas deberían incluir algún tipo de ‘huella’ digital que las diferencie de las imágenes tradicionales, pero esta alternativa olvida la facilidad con la que se duplica el contenido en la Internet…

Por desgracia no parece haber una solución para este problema y, más importante, tampoco la intención por parte de los responsables por crear un sistema lo suficientemente robusto para evitar que las imágenes súper realistas creadas por AI terminen por pasar de los memes a una herramienta de información falsa que no podamos controlar.

Imagen: Midjourney

Se trata de Gen-2, una herramienta desarrolla por Runway que funciona de manera similar a Midjourney y DALL-E, la gran diferencia es que, en lugar de crear imágenes, crea videos a partir de texto. Por el momento, la tecnología se encuentra en su fase inicial, por lo que hace falta corregir algunas cosas, pero ya funciona bastante bien.

Como su nombre lo indica: Gen-2, es la segunda versión de la herramienta. En una primera versión llamada Gen-1 que fue lanzada en febrero, los usuarios podían retocar videos y aplicar filtros con solo un comando de texto. Ahora, con la segunda versión se espera una verdadera revolución en el campo de video, pues no solo se trata te retocar, sino de crear un video desde ceros.

Te puede interesar: Google lanza Bard: ¿más ‘humano’ y creativo que ChatGPT?

La herramienta cuenta con algunos modos, con los cuales los usuarios, además de indicar con texto lo que quieren crear en video, pueden incluir una imagen para que el video sea lo más parecido a lo que esperan. Incluso, Gen-2 puede prescindir del texto si así lo desea y basarse exclusivamente en la imagen para crear el video. Sin embargo, hay algunos otros modos que permiten varias opciones de edición de video.

Es cierto que, por el momento, los videos generados con Gen-2 no son perfectos, de hecho, se puede percibir que han sigo generados con IA, pues las imágenes no son tan realistas. Sin embargo, el avance en tan solo unos meses de trabajo es impresionante, por lo que podemos casi que asegurar que Gen-2 revolucionará la creación y edición de video.

Imagen: Gen-2

La denuncia impuesta ante el alto tribunal de Justicia de Londres por infracción del copyright, pone en evidencia la molestia que generan las inteligencias artificiales generativas, al tomar miles de imágenes de internet para entrenar su algoritmo.

Getty Images considera esto injusto y alimenta un procedente, imponiendo la querella contra Stability AI, la empresa detrás de la IA generativa Stable Diffusion.

Te puede interesar: Artistas demandan a Stable Diffusion por derechos de autor al utilizar sus creaciones y generar arte con IA

La agencia que ya ha trabajado con sistemas de arte generativo, tiene acuerdos concretos que respetan los derechos de propiedad intelectual. 

Sin embargo en este caso, los demandantes argumentan que millones de sus imágenes protegidas han sido utilizadas sin permiso por Stability AI, quien no buscó ningún tipo de acuerdo para licenciar los documentos tomados de dicha fuente.

Según la demanda, sería una infracción de la propiedad documental, y seguramente servirá como antecedente importante para futuros pleitos jurídicos entre los creadores y los generadores de imágenes con IA, contribuyendo a que se redacte un nuevo marco legal. 

Los creadores de Stable Diffusion se defienden afirmando que sus datasets se han entrenado “ética, moral y legalmente”. Y prometen que en su próxima versión permitirán que un artista pueda retirar sus obras del set de entrenamiento.

Actualmente no existe una jurisprudencia contundente que castigue al copyright y su relación con la IA. Recordemos que Github Copilot ya ha demandado a Stability AI y a Midjourney.

Entre tanto, tecnologías de IA como DALL-E de OpenAI, sí conservan numerosos acuerdos con agencias y bancos de imágenes stock para entrenar sus algoritmos.

Imagen: gettyimages

La demanda fue presentada por Sarah Andersen, Kelly McKernan y Karla Ortiz. Las artistas pretenden obtener una indemnización por los daños causados por estas herramientas y evitar futuros daños.

De acuerdo con los demandantes, Stable Diffusion contiene copias no autorizadas de millones, y posiblemente miles de millones, de imágenes con derechos de autor. Estas copias se realizaron sin el conocimiento o consentimiento de los artistas. Según cálculos de las artistas, por ejemplo, asumiendo un dólar por imagen, Stability AI podría enfrentarse a una multa de 5.000 millones de dólares.

Te puede interesar: Inteligencia artificial defenderá a acusado en tribunal de EE.UU. ¿Peligran honorarios de abogados?

El abogado que estará a cargo de llevar este caso es Matthew Butterick diseñador, programador y abogado, quien también está a cargo de la demanda colectiva contra GitHub Copilot por su “piratería de software de código abierto sin precedentes”, en 2022.

Butterick, ha afirmado que se ha presentado esta demanda porque Stability AI, DeviantArt y Midjourney usa “Stable Diffusion, una herramienta de collage del siglo XXI que remezcla las obras protegidas por derechos de autor de millones de artistas cuyo trabajo se utilizó como datos de formación”.

Te puede interesar: Inteligencia Artificial compra y arrienda casas. ¿Fin de las inmobiliarias?

La demanda que fue interpuesta ante un juzgado de California, tienen un poco más de 40 páginas, en la que acusa a las dos plataformas de infracción de copyright, infracción de derechos de autor y romper el contrato de los términos de servicio, en este caso en DeviantArt.

De hecho, Emad Mostaque, CEO de Stability A, ha dicho en varias ocasiones que Sta­ble Dif­fu­sion tendrán cambios para lograr que las plataformas de IA tengan licencias completas. Por su parte, David Holz, fundador de Midjourney, también ha reconocido que su herramienta “es un gran rasguño de internet”. Además dijo que estaban viendo  cómo se regulaba, pues el desafío ahora era  descubrir cuáles serían esas reglas.

Te puede interesar: Invasión a Ucrania incita a inversores a fijarse en fabricación de IA para la defensa

Uno de los grandes desafíos que tiene Butterick, es demostrar que efectivamente se está violando los derechos de autor, ya que las plataformas se excusan en que no hay una regulación específica que contemple el asunto de derechos de autor y la IA.

Es decir, actualmente, las leyes de propiedad intelectual no contemplan que una IA pueda ser autor, por lo que no se considera propiamente como una infracción de derechos. Esto ha hecho que estas tecnologías que usan la inteligencia artificial para generar arte, no se sientan amenazadas al utilizar imágenes de artistas como Sarah Andersen, Kelly McKernan o Karla Ortiz.

Por el momento, no se ha pronunciado ninguno de los demandantes, lo que sí es seguro es que la demanda empieza abrir camino para la regulación y la forma en que estas compañías deben usar imágenes de artistas y la compensación que deben recibir en caso de que las utilicen.

Imagen: stablediffusionlitigation