De acuerdo al portal de noticias Moda.es, Revolución IA: ¿sueña la moda con diseñadores cibernéticos?
La última revolución tecnológica promete transformar la moda, pero plantea también amenazas y riesgos. ¿Qué son estos diseñadores eléctricos y por qué sueña la moda con ellos?
¿Qué haría si un niño le enseña su colección de mariposas y un frasco de arsénico? ¿Cómo reaccionaría si está viendo la televisión y, de repente, se da cuenta de que una avispa le sube por el brazo? ¿Y si le dan una cartera de piel de ternero por su cumpleaños? Con seis o siete preguntas como esta, Ricky Deckard podía detectar la empatía, y así distinguir a un humano de un androide en la novela de 1968 ¿Sueñan los androides con ovejas eléctricas?
Leer también: El papel de la gestión de la cadena de valor en la transformación digital
Más de medio siglo después, en Internet han proliferado los Deckard que se dedican a tratar de descifrar si la última imagen viral es obra de un humano o de la IA generativa. La última revolución tecnológica promete transformar la moda, pero plantea también amenazas y riesgos. ¿Qué son estos diseñadores eléctricos y por qué sueña la moda con ellos?
En primer lugar, porque, a diferencia de lo que ocurre, por ejemplo, con el metaverso, la tecnología detrás es relativamente madura. El primer trabajo sobre inteligencia artificial (IA) se remonta a la década de los cuarenta, y su uso está extendido: de los smartphones a las redes sociales, pasando por asistentes de voz como Siri o Alexa o la personalización en las tiendas online, buena parte del planeta usa IA sin saberlo cada día.
La inteligencia artificial generativa es una rama de la IA que, a diferencia de la tradicional, genera contenido original a partir de un entrenamiento prexistente. Es decir, mientras que Alexa siempre responderá lo mismo ante la misma pregunta (el diálogo es cerrado), ChatGPT generará una respuesta original a partir del contexto y el histórico de cada usuario.
Esto es posible gracias a las redes neuronales generativas (inspiradas en el funcionamiento del cerebro humano), que emplean deep learning para aprender de manera automática.
Esto permite, por ejemplo, analizar datos y encontrar patrones a menudo indetectables para el humano de manera rápida. A diferencia de los modelos de deep learning anteriores, los actuales pueden procesar grandes cantidades de datos desestructurados (texto en bruto, imágenes y vídeo) para producir contenido de alta calidad en todo tipo de formatos: de código a textos completos, diseños en 3D o imágenes realistas que pueden emplearse en campañas.
Las aplicaciones popularizadas en el último año, como ChatGPT, parten de los llamados modelos fundacionales, que son la materia prima, el cerebro de la IA generativa. Los primeros fueron modelos de lenguaje preentrenados, como Bert y GPT-3, aunque más tarde se desarrollaron otros con capacidades en imagen, vídeo, audio o código, como Dall-E, Flamingo o Florence. Las aplicaciones, que es a lo que se alude habitualmente al hablar de IA generativa, son herramientas que se basan en esos modelos para una utilidad concreta.
A diferencia de otras aplicaciones aparentemente revolucionarias, su implantación y su desarrollo avanza a toda velocidad. Netflix tardó tres años y medio en conseguir el primer millón de usuarios; Twitter, dos años; Facebook, diez meses, e Instagram lo consiguió en dos meses y medio.
A ChatGPT le bastaron cinco días para alcanzar esa barrera. Además, está mejorando constantemente y rápido: hace apenas unos meses, Midjourney fallaba cuando trataba de reproducir caras humanas, y hoy los resultados son ya casi indiferenciables de una fotografía real.
“Todas las empresas deberían probarlo ya: el primero que toma la delantera es el que gana, y después es muy difícil ponerse al día”, sentencia Holger Harreis, socio senior de McKinsey que lidera la práctica de Data Transformation, aunque matiza que “no debe plantearse como un experimento, sino con una clara visión de cuál será el caso de uso y cómo se va a escalar”. “Es comparable a la revolución que supuso Internet, pero mucho más rápido”, sostiene Xavier Trias Arraut, socio de Technology Consulting en EY.
¿Para qué sirve?
En el caso de la moda, uno de los mayores potenciales de la IA generativa se encuentra en el área de producto. Herramientas como Cala, Designovel y Fashable permiten convertir dibujos y moodboards en diseños 3D de alta calidad, sobre los que se pueden probar variaciones en un solo click.
Un diseñador puede generar rápidamente versiones de un mismo vestido, analizar grandes cantidades de datos para detectar tendencias o ver varias opciones de estampados florales con sólo pedírselo a la máquina.
Mango lleva construyendo sus propias plataformas de inteligencia artificial tradicional desde 2018 y tiene ya trece en diferentes puntos de la cadena de valor como pricing o personalización. Con IA generativa, la empresa comenzó a trabajar hace alrededor de un año, cuando se lanzaron al mercado herramientas como Stable Diffusiono Midjourney.
