CROWSON, paso 2: ver con los propios ojos lo que ha “dicho” el modelo

En la entrada anterior presentamos CROWSON, la simulación pedagógica de “texto a imagen” que estamos probando en 1º de Bachillerato de CDYPC: Llama elige tres colores de una lista cerrada (cielo, suelo y un elemento central) y el código, sin ninguna inteligencia artificial, los dibuja en un lienzo. Con esa primera versión ya se podía ver el resultado final. Lo que faltaba era ver el paso intermedio: qué ha elegido el modelo, exactamente, antes de que nada se convierta en dibujo.

Eso es lo que añade este segundo paso.

Qué se ve ahora en pantalla

Debajo del dibujo, CROWSON muestra ahora la respuesta completa y sin editar que ha dado Llama, tal cual llega del servidor. Con la frase “un amanecer mirando hacia Sierra Bermeja”, el modelo respondió exactamente esto:

{"cielo": "naranja", "suelo": "rojo", "elemento": "morado"}

Y eso, y solo eso, es lo que el código dibujó: un rectángulo naranja arriba, uno rojo abajo y un círculo morado en el centro. No hay ningún paso escondido entre esas tres palabras y el dibujo.

Por qué merece la pena mostrarlo

En un generador de imágenes real, la “traducción” del texto es una lista de miles de números dentro de una red neuronal — imposible de leer o de explicar en una frase. Aquí ocurre justo lo contrario: la traducción es un trozo de texto tan corto que cabe en una línea, y se puede poner en pantalla sin resumir ni simplificar nada. Ese es el mismo principio de transparencia que ya aplicamos en MASTERMAN al mostrar el system prompt que restringe al modelo: no basta con que el resultado final se vea bien, hay que poder ver también la decisión que hay detrás.

Esto también deja a la vista los límites del propio vocabulario cerrado. El modelo no ha dicho “un cielo anaranjado con un toque rosado sobre la silueta violácea de una montaña”: ha tenido que elegir, de ocho palabras posibles, las tres que más se acercan. “Morado” para la silueta de Sierra Bermeja al amanecer es una aproximación razonable dentro de esas ocho opciones, no una descripción libre — y verlo escrito así, tan escueto, ayuda a entender por qué un vocabulario cerrado sacrifica riqueza a cambio de claridad.

Lo que sigue sin cambiar

CROWSON sigue sin usar difusión, sin redes neuronales de imagen y sin haber visto una sola imagen real durante su funcionamiento. Este segundo paso no acerca la simulación a un generador real: solo hace más visible una parte del propio patrón “texto → interpretación → píxeles” que ya estaba ahí desde el principio.

---