Modelos de difusión

Familia de modelos generativos que parten de puro ruido aleatorio y lo refinan paso a paso hasta que el caos se resuelve en una imagen coherente guiada por el prompt. Es el enfoque opuesto al de las GAN: en lugar de dos redes compitiendo, hay un único proceso de depuración progresiva.

En el curso

Módulo 1 — el módulo lo explica con una analogía que vale la pena retener: una mancha de tinta de Rorschach es solo un patrón caótico, pero al mirarla el cerebro impone orden y ve algo específico, quizá "dos extraterrestres tomando té en un bosque de pinos". Esa interpretación tan concreta probablemente nunca habría surgido de un lienzo en blanco.

Frente a las GAN, su ventaja es que estabilizan el entrenamiento y evitan el Colapso de modo, el atolladero creativo en que la variedad se reduce con el tiempo. Su debilidad son los resultados extrañamente exagerados cuando falta coherencia global o se malinterpreta el prompt: el curso cita un zorro con tres colas, una mano con siete dedos, una bicicleta fusionada con el cielo. Ahí es donde entran los Transformadores, que aportan la comprensión de conjunto.

En herramientas reales rara vez actúan solos: en DALL·E 3 o Midjourney, un modelo transformador interpreta el prompt y guía a un modelo de difusión que produce la imagen. El transformador entiende para qué se pide; la difusión resuelve cómo representarlo.

Relacionado

GAN · Transformadores · Colapso de modo · Ingeniería de prompts · Aprendizaje profundo · IA generativa