¿Qué son las redes generativas antagónicas o GANS y para qué sirven? | Tecnología

Ya sabemos que la inteligencia artificial es capaz de reconocer objetos y catalogar imágenes, pero ¿es capaz de ser creativa e inventar cosas? 

Últimamente se oye hablar mucho de un tipo de red neuronal, una inteligencia artificial cuyos resultados son sorprendentes a la vez que escalofriantes. Las redes generativas antagónicas han catapultado a la inteligencia artificial hasta un ámbito que parecía imposible. 

Cada poco tiempo surgen vídeos manipulados o imágenes de personas que nunca han existido, incluso aplicaciones capaces de transformar nuestro rostro en cuadros o envejecerlo. Este es el poder y peligro de las GANs un tipo de red neuronal.

Para entender como funcionan las GANs, primero debemos aclarar que a la inteligenciar artificial se le da muy bien reconocer objetos, catalogar imágenes o diferenciar una fotografía de otra. Podemos coger el móvil, hacerle una foto a una planta y que Google nos diga su especie y sus características.


Kurt Luther, un profesor de la Universidad Virginia Tech, ha creado una web que permite analizar fotografías antiguas para determinar quién era la persona que aparecía en ellas, y poder dotar por tanto a esas imágenes del contexto del que carecen.

Sin embargo, a la hora de crear o inventar cosas, la inteligencia artificial lo tiene más complicado. Esta es la barrera, que pretendía desafiar el creador de las GANs, las redes generativas antagónicas. Ian Goodfellow tenía unos 29 años cuando en 2014 inventó las GANs o redes generativas antagónicas.

Red generativa vs. Red discriminadora

La idea de Goodfellow y su equipo implica poner a trabajar en equipo a dos redes neuronales. Estas dos redes son antagónicas porque compiten constantemente en un juego de suma cero, es decir, la ganancia o pérdida de una de las redes se compensa con la ganancia o pérdida de la otra red. O dicho de otra forma, las dos redes compensan los errores o límites de la otra.

La primera de estas redes se conoce como generativa, es la que se encarga de crear las imágenes, de hacer el trabajo creativo o, al menos, lo intenta. Porque a la inteligencia artificial, no se le da bien ser creativa, inventarse cosas que no ha visto antes. 

Entonces entra en acción la segunda red, la discriminadora. Su trabajo es ser quisquillosa con las creaciones de la primera red. La red discriminatoria le dice a la red generativa si se ha equivocado o si se está acercando. Es como el juego de frío o caliente. Esta segunda red es más precisa pues a la inteligencia artificial se le da mucho mejor reconocer imágenes que generarlas. 


La inteligencia artificial tiene infinitos usos. Uno de las más interesantes tiene que ver con la mejora en la seguridad. Informáticos de la Universidad de Boston han desarrollado una Inteligencia Artificial que localiza los fallos en el software que los ciberdelincuentes utilizan para atacar.

La red discriminadora pasa por un proceso de entrenamiento para aprender a reconocer y analizar imágenes u objetos y después decide si cada instancia de datos generados por la primera pertenecen o no a ese conjunto de datos para el que ha sido entrenada. Del juego entre ambas redes no surgen uno o dos intentos, la red generativa puede llegar a realizar millones de pruebas hasta que la discriminatoria acepta el material generado. Lo más interesante, es que a lo largo de todo el proceso, ambas redes se sirven de la contraria para mejorar, para aprender y ser más efectivas.

La red discriminatoria cada vez es más eficiente a la hora de reconocer un determinado tipo de imágenes, por ejemplo, identificando imágenes de perros o de una raza determinada, siendo más exigente con el trabajo de la red generadora, la cual se verá obligada a mejorar para conseguir engañar o para conseguir la aprobación de la segunda red neuronal.

El futuro que plantean las GANs

Que la inteligencia artificial ahora pueda ser también creativa e inventarse cosas tiene su parte positiva y negativa. Esta tecnología se está utilizando para aspectos tan interesantes como la creación de videojuegos, para la generación de estudios en 3D en medicina o proyectos de ingeniería. 

Incluso ha creado su primera obra pictórica, cuyo valor va más allá de la calidad pictórica evidentemente, y que llegó a salir a subasta. Sin embargo, esta innovación tecnológica también es responsable de los famosos deepfake, de los que ya os habíamos hablado antes. El hecho de poder falsificar videos, hacernos creer que una persona ha dicho o hecho una cosa cuando eso nunca ha pasado, como poner las caras de los actores famosos en películas porno, es una herramienta muy peligrosa. 


Aún no son lo suficientemente buenas como para engañarnos del todo, y se están creando otros programas entrenados solo para detectar estas falsificaciones, pero cada vez es más difícil distinguir un buen deepfake. 

Por suerte, vemos cómo esta tecnología se usa para más cosas que manipular a la población, o crear seres humanos falsos. También no entretiene convirtiendo nuestra cara en un retrato del renacimiento, en un anime o en un dibujo de Disney. La diversión está servida.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *