Entrevista a Santi Iglesias - Hazme un coche de mandarinas

Momentos clave

Juan Gabriel Gomila presentó en un TEDx a un ponente que no existía: cara, vídeos y biografía generados por una red neuronal. En este episodio se sienta con quien los generó, Santi Iglesias, científico de datos en Disney, para repasar cómo hemos llegado de AlexNet a Stable Diffusion en diez años. Sales sabiendo qué cambió en 2022, qué puedes ejecutar ya en tu portátil y por dónde van las preguntas sin responder.

El episodio, en profundidad

El episodio 41 de Frogmación empieza deshaciendo un engaño. La semana anterior, en el TEDx Arxiduc de Palma de Mallorca, Juan Gabriel Gomila presentó a un ponente llamado Yago Ng Emel: nacido en 2141 en Nueva York, criado en un laboratorio de ciencia de datos y con avatares en los que aparecía de jedi, de astronauta y con estética Pixar. Nada de aquello existía: la imagen, los vídeos y la biografía los había generado una red neuronal, y el invitado de este capítulo es quien apretó el botón.

Lo primero que hace al sentarse es quitarse el disfraz: «No me llamo Yago, me llamo Santiago». Es Santi Iglesias, científico de datos en Disney; las siglas del nombre inventado venían de machine learning de la siguiente generación, y la cara salió de una red generativa del tipo GAN entrenada con material suyo, hasta el punto de que costaba distinguir cuál era él.

De desarrollador Android a la IA de los parques de Disney

Santi lleva alrededor de un año en Disney. Antes era desarrollador, y de ahí viene la relación con Juan Gabriel, que lo conoce desde hace más de diez años: uno hacía Android y el otro iPhone. El pique de entonces lo resume el propio Juan Gabriel con una frase suya de aquella época, «Por cada euro que ganas tú en Android, yo gano cien en iOS», con el detalle de que Santi tenía una app con 100.000 descargas de la que no había visto un euro. Él lo confirma.

El salto no fue de un día para otro. Se quedó con una jornada de seis horas para tener tiempo propio, montó con un colega una aplicación que transformaba caras con el estilo de otra foto, la presentaron a Disney varias veces y acabó dentro. Hoy se dedica a los efectos y las fotos automáticas de las atracciones: esas imágenes con cara de susto que te encuentras al bajar de la montaña rusa son cosa suya, y lo hace desde casa, sin haber pisado nunca un parque. Para aprender sigue el mismo método: tutoriales, una comunidad de machine learning en Slack y, sobre todo, «elegir un proyecto y hacer un proyecto real».

Dejó la carrera y en el temario mandaba enseñar Cocos2d en 2018

Santi no terminó Informática: ya tenía las bases hechas en casa y, «como era todo muy teórico», no le llamó la atención. Juan Gabriel suelta ahí una de sus quejas recurrentes con las universidades, que «siempre van años luz de dónde está la realidad», con el motivo administrativo detrás: verificar un plan de estudios reglado puede llevar cinco años y luego hay que amortizarlo. Su ejemplo es de cuando daba clase en FP, donde el temario le obligaba a enseñar Cocos2d en 2018. Santi lo remata: la base aguanta, pero «cuando llegas a algo que empieza a ser útil a día de hoy, eso ya va cambiando a cada día».

2012 y 2016: el final del invierno y la barrera de la intuición

El invierno de la inteligencia artificial se acaba en 2012, cuando AlexNet arrasa el concurso de clasificación de imágenes ImageNet y le saca al segundo 10,8 puntos porcentuales, una barbaridad en un certamen donde se peleaba por décimas. El segundo hito es 2016: AlphaGo, de DeepMind, derrota al mejor jugador de go, «un juego muy complejo que se juega por intuición», porque no hay superordenador capaz de calcular todas las jugadas. Después llega el paper de la atención y GPT-3 como su implementación práctica. Santi cree que GPT-3 pasaría un test de Turing casi seguro, y mete el matiz que suele faltar en los titulares: que lo pase no significa que sea consciente. Del test dice además que tiene demasiadas variables y que no es reproducible.

Seis meses que se comieron una década

En abril de 2022 sale DALL-E 2, de OpenAI: le pides un perro volando por el cielo como si fuera Superman y te lo dibuja con una calidad que él no esperaba ver tan pronto. En su charla lo demostró en directo pidiendo al público un sujeto, un verbo y un escenario, un tigre cantando en el zoológico. Después llegó Imagen, de Google, construido sobre transformers: mejor calidad y texto legible, porque los modelos que generan latentes diminutas y luego las escalan por superresolución no consiguen que las letras salgan bien.

Y en agosto, Stable Diffusion. En cuatro meses se convirtió en la red neuronal más famosa de la historia de la IA, y la comparación que usa Santi son las estrellas de GitHub: proyectos veteranos que suben poco a poco frente a esta, que se disparó. La clave es que trabaja sobre las latentes en lugar de sobre la imagen, así que la red no necesita ser tan enorme: «han conseguido liberar una red que es capaz de ejecutarse en un ordenador», en su propio portátil. Por eso sirve de base a otras investigaciones, como DreamBooth, que la reentrena con tu cara para meterte en cualquier escena. La primera vez que lo probó se le cayó la boca al suelo, y admite que da repelús ver una foto tuya que nunca te has hecho. Y «no tiene por qué ser tu cara»: vale tu perro, tu bici o los Simpson.

Arte humano, ajedrez y una subasta de 435.000 dólares

Juan Gabriel da por muertos los bancos de imágenes de derechos libres; Santi apunta que las webs de arte ya están etiquetando lo generado y que «vamos a diferenciar entre artes creados por humano» y lo hecho por una máquina, dándole más valor a lo primero. Su analogía es el ajedrez: es «una batalla ganada» por las máquinas, nadie les gana ya, y aun así la gente sigue jugando, y los que están arriba entrenan contra ellas y les han aprendido aperturas nuevas. El caso que trae es el de la primera obra generada vendida en una subasta, hace cuatro años, por 435.000 dólares: en la conversación se compara con tener el primer coprolito de un dinosaurio, porque lo que se paga es la primicia.

Videojuegos que se generan solos y un coche de mandarinas

La combinación con NFT, blockchain y metaverso lleva la charla al terreno de Juan Gabriel, los videojuegos: personajes, guion, voces y mecánicas generados en tiempo real, distintos en cada partida. Santi recuerda haber jugado a algo parecido, conversacional, montado sobre una versión de GPT-3, aunque ninguno consigue recordar el nombre; salen también el capítulo interactivo de Black Mirror en Netflix y la estética de Blade Runner.

Después vienen las preguntas incómodas. Juan Gabriel dice que no se compraría un coche autónomo que lo ponga a él en peligro antes que a otro, y confiesa que a largo plazo la cosa le da un poco de miedo. La respuesta de Santi resume el episodio: «más incertidumbre que miedo, diría yo», porque las cosas van demasiado rápido y «legalmente se está intentando poner puertas al campo», algo que ve tan imposible como prohibir respirar fuera de un metro cuadrado.

Y de ahí sale el título. Para Santi, la prueba de que hay algo parecido a la creatividad es pedirle a una red un coche de mandarinas: «no es que solo te hago un coche de mandarinas, que a lo mejor te hace la ventana con una hoja» o corta las ruedas con forma de gajo. Juan Gabriel lo compra al vuelo, «quiero un coche de mandarina», y decide que la carátula y el título del capítulo los genere también una IA. Cierra con dos recomendaciones: el libro 1984 y la película K-PAX. Para entender por dentro estas redes, en Frogames tienes Machine Learning de la A a la Z y Deep Learning de la A a la Z.