Antes de empezar
Es un modelo de juguete. Aprendió con dibujos de 16×16 píxeles de cuatro formas (círculo, cuadrado, triángulo y cruz) en cuatro colores (rojo, azul, verde y amarillo) en distintas posiciones. Por eso solo entiende esas palabras. Los modelos grandes (Gemini, Copilot, Stable Diffusion…) usan el mismo método con millones de imágenes y mucha más potencia.
1 Escribe tu prompt
Un prompt es el texto que le das al generador. Describe una forma, un color y dónde va (arriba, abajo, izquierda, derecha o centro). Puedes dejarte cosas sin decir.
2 Genera la imagen
Pasos de limpieza
Fuerza del prompt
La semilla decide el ruido del que se parte: misma semilla y mismo prompt, misma imagen. Otra semilla, otra imagen.
3 Experimenta
Cada botón dibuja varias imágenes en la galería para que compares.
Aún no has hecho ningún experimento. Prueba primero «Mismo prompt, 8 semillas» con «círculo» a secas.
4 El programa del pintor
Qué hay dentro del modelo
Del prompt a la imagen, en cuatro pasos
- 1 · El texto se convierte en números. En el pintor, 18 números que dicen «forma, color y posición». En los modelos grandes lo hace un codificador de texto con cientos de números por palabra, que entiende frases enteras.
- 2 · Se parte de ruido. Una imagen de puntos de colores al azar, decidida por la semilla. Los modelos grandes lo hacen sobre una versión comprimida de la imagen (el «espacio latente»).
- 3 · Una red neuronal quita ruido, paso a paso. En cada paso mira la imagen ruidosa, el instante y el texto, y predice qué parte es ruido. Resta un poco y repite. En los modelos grandes esta red se llama U-Net o transformador y tiene miles de millones de parámetros.
- 4 · Sale la imagen. En los modelos grandes se descomprime con un último modelo, el decodificador.
- La fuerza del prompt (guidance): en cada paso se calcula qué haría la red con el texto y qué haría sin él, y se exagera la diferencia. Con 0, el texto se ignora; muy alta, la imagen se fuerza y puede salir rara.
Cómo aprendió el pintor
- Se le enseñaron miles de dibujos al azar con su descripción. A cada dibujo se le añadía una cantidad de ruido y la red tenía que adivinar cuál era el ruido. Así aprendió a limpiarlo.
- A veces se le ocultaba parte del texto (o todo) para que también supiera dibujar sin que se lo dijeran. Por eso un prompt incompleto da dibujos distintos: elige él lo que falta.
- El entrenamiento se hizo una vez, fuera de tu navegador. Aquí solo se usa lo que aprendió.
Qué no sabe hacer
- Solo conoce 4 formas, 4 colores y 5 posiciones. Si escribes «lince», no lo conoce y lo ignora: no sabe nada del mundo.
- Los dibujos son de 16×16 píxeles: no se puede hacer una foto.
- No siempre obedece, ni siquiera con las palabras que conoce. Pasa también con los modelos grandes: las manos raras y el texto ilegible son el mismo fallo, a lo grande.
- No entiende lo que pides: reproduce patrones de los dibujos con los que aprendió.
Un modelo no es la realidad: sirve para entender cómo se pasa de un texto a una imagen, no para dibujar de verdad.
Preguntas y retos
Para pensar
- Con 1 paso, ¿qué sale? ¿Y con 5, 10, 20? ¿Cuándo deja de mejorar?
- Con fuerza 0, ¿hace caso al prompt? ¿Y con fuerza 10? ¿Qué le pasa a la imagen?
- Escribe solo «círculo» y genera ocho semillas. ¿Qué elige el modelo por su cuenta? ¿Qué te dice eso de los modelos grandes cuando tu prompt es corto?
- Escribe «un lince rojo». ¿Qué entiende y qué ignora?
- Pulsa «¿Obedece?»: ¿con qué fuerza obedece más? ¿Obedece siempre al 100 %?
- ¿Por qué cambiar la semilla cambia la imagen aunque el prompt sea el mismo?
- ¿Qué haría falta para que dibujara un lince? ¿Quién decide qué ejemplos se le enseñan y qué consecuencias tiene?