El Nuevo Europeo

Escribes «un astronauta montando a caballo en Marte, estilo óleo del siglo XVII» y en segundos aparece exactamente esa imagen, con una técnica pictorial que parece genuina, la luz correcta para ese planeta, la postura del caballo ajustada a la gravedad marciana. No la ha pintado ningún artista. La ha generado un modelo de difusión. ¿Cómo funciona algo así?

La idea clave: el ruido controlado

Los modelos de generación de imágenes como Midjourney, DALL-E o Stable Diffusion se basan en una técnica llamada difusión. La idea central es aparentemente contraintuitiva: en lugar de enseñar al modelo cómo crear imágenes, se le enseña cómo destruirlas.

Durante el entrenamiento, el modelo toma millones de imágenes reales y las degrada progresivamente añadiéndoles ruido gaussiano, hasta que son puro ruido aleatorio. Luego aprende a revertir ese proceso: dado un estado de ruido, predice cómo era la imagen original un paso antes. Repite ese proceso hacia atrás cien, doscientos, mil veces. El resultado es que aprende a «inventar» imágenes a partir de ruido puro.

El rol del texto: CLIP y la semántica visual

El proceso de difusión por sí solo genera imágenes aleatorias. Para que responda a un texto específico, se añade una capa de condicionamiento. Modelos como CLIP —desarrollado también por OpenAI— aprenden a asociar imágenes con sus descripciones textuales. Así, cuando escribes tu descripción, el sistema la convierte en un vector semántico que guia el proceso de difusión hacia el espacio visual correcto.

Es como si el texto fuera una brújula que orientó el ruido en la dirección de «astronauta + caballo + Marte + óleo».

Midjourney vs DALL-E: dos filosofías

DALL-E, de OpenAI, prioriza la precisión y la fidelidad al texto: intenta representar exactamente lo que describes. Es muy útil para tareas concretas como crear imágenes para presentaciones o ilustrar conceptos específicos.

Midjourney, por su parte, tiene una estética más artística y estilizada por defecto. Sus resultados tienden a ser más «espectaculares» visualmente pero a veces se aleja más de la descripción literal. Es la herramienta preferida por diseñadores y artistas que quieren explorar posibilidades visuales.

El debate sobre la autoría y el copyright

Estos modelos fueron entrenados con millones de imágenes de internet, muchas de ellas con derechos de autor. Varios artistas han denunciado a las empresas detrás de estos modelos por usar su trabajo sin permiso ni compensación. El debate legal sigue abierto en Estados Unidos y Europa.

Es una tensión real: la IA aprendió a «dibujar» mirando el trabajo de generaciones de artistas humanos. La pregunta de si eso constituye apropiación o simplemente aprendizaje —como hace cualquier estudiante de arte— no tiene respuesta fácil. Y tiene consecuencias prácticas enormes para toda una profesión.