Qué es una GAN
Las presentó Ian Goodfellow en 2014 y durante años fueron la tecnología estrella para generar imágenes realistas. Hoy los modelos de difusión (como los de Midjourney o Stable Diffusion) las han superado en muchas tareas, pero las GAN siguen usándose y son clave para entender la IA generativa.
Cómo funciona
- Generador: crea contenido a partir de ruido aleatorio, por ejemplo una cara.
- Discriminador: recibe caras reales y caras del generador e intenta adivinar cuáles son falsas.
- Competición: el generador aprende de sus fallos para engañar mejor; el discriminador, para detectar mejor.
- Tras muchas rondas, el generador produce resultados casi indistinguibles de los reales.
Es como un falsificador y un experto en arte mejorando a la vez.
Ejemplo real
La web «This Person Does Not Exist» mostraba caras hiperrealistas de personas que no existen, generadas con una GAN. Esa misma tecnología se ha usado para mejorar la resolución de imágenes, crear texturas en videojuegos y, en su lado oscuro, para algunos deepfakes.
Para qué te sirve en tu negocio
Directamente, poco: hoy para generar imágenes de producto o creatividades se usan modelos de difusión. Pero entender las GAN te ayuda a entender los deepfakes y los riesgos del contenido sintético, y aparecen en usos como mejorar fotos o generar datos sintéticos para entrenar otros modelos.
Errores comunes
- Pensar que toda la IA de imagen usa GAN: hoy dominan los modelos de difusión.
- Subestimar lo difícil que es entrenarlas: son inestables.
- Usar caras generadas sin indicar que son sintéticas.
Preguntas frecuentes
¿Qué diferencia hay entre una GAN y un modelo de difusión?
La GAN genera en un paso a partir de la competición entre dos redes; la difusión parte de ruido y lo va limpiando paso a paso.
¿Midjourney usa GAN?
No. Usa modelos de difusión.
¿Las GAN se usan para deepfakes?
Algunas técnicas de deepfake se basan en GAN, aunque hoy se combinan con otros métodos.