La tecnología de Inteligencia Artificial (IA) ha avanzado de tal manera que ahora es capaz de generar contenido multimedia, abarcando desde imágenes y videos hasta modelos tridimensionales. Sin embargo, la integración plena de estas creaciones en la industria depende en gran medida de la calidad y fidelidad visual de dicho contenido, algo que actualmente enfrenta importantes desafíos.
El proceso de generación de imágenes y videos a través de IA se realiza mediante modelos como las redes generativas adversarias (GANs) y modelos de difusión. Estos procesos permiten convertir textos descriptivos en imágenes o videos detallados, un fenómeno conocido como “text-to-image” o “image-to-video”, respectivamente. A pesar de los progresos, a menudo esto da lugar a incongruencias visuales, como el ejemplo del Mandaloriano recorriendo las calles de Nueva York, donde los detalles importantes como la mochila desaparecen.
Una de las complejidades radica en la necesidad de crear métodos de evaluación de calidad efectivos para este tipo de contenido. Tradicionalmente, la evaluación de la calidad se ha limitado a la fidelidad de reconstrucción en comparación con un contenido de referencia. Sin embargo, esto es insuficiente para analizar el arte generado por IA, ya que deben contemplarse factores estéticos y de sentido común, las áreas donde los algoritmos actuales todavía fallan.
Para abordar estas carencias, se han desarrollado nuevas métricas y modelos que van más allá de las evaluaciones tradicionales. Estas herramientas proponen cuantificar no solo el aspecto técnico, sino también elementos como la naturalidad, la adhesión a las descripciones originales y la aceptación por parte del usuario. Por ejemplo, en la imagen generada de una escena urbana, resultaría esencial evaluar aspectos como la presencia adecuada de objetos o personas en el cuadro, algo que los modelos actuales de IQA/VQA deben aún capturar adecuadamente.
A pesar de las limitaciones, la industria ya está implementando estos modelos en productos y servicios, introduciendo el contenido generado por IA en áreas como el streaming, la televisión y los videojuegos. Sin embargo, para alcanzar una aceptación más amplia, es crucial que estos contenidos sean perfeccionados en términos de precisión visual y sentido común.
En conclusión, a medida que los modelos de IA generativa maduran, la creación de métricas de evaluación robustas y la comprensión del “GenAI” sigue siendo vital. Esto no solo garantizaría una experiencia de usuario mejorada sino que también permitiría a la industria adoptar estas tecnologías con un nivel de confianza y fiabilidad sin precedentes.