Talleristas: Estefanía Alvarez, Alejandro Biscione, Verónica Calzada y David Coronel
La IA ha emergido como una herramienta poderosa y transformadora en casi todos los campos, y en el diseño y el arte su potencial es especialmente notable. Sin embargo, para los creativos, esta tecnología trae consigo no solo posibilidades infinitas sino también cuestionamientos profundos. ¿Qué papel juega la creatividad individual cuando las herramientas son tan potentes que pueden producir resultados impactantes con un solo clic? ¿La creatividad es mía o de la IA? Nuestro laboratorio de IA diseñó este curso justamente para responder a estas inquietudes, permitiendo a diseñadores, artistas y entusiastas ser los verdaderos creadores detrás de sus obras, utilizando la IA como una herramienta de expansión creativa y no como un fin en sí misma.
Nos propusimos capacitar a los participantes para que tomaran control de Stable Diffusion, no solo desde su funcionalidad básica, sino entrenando y afinando sus propios modelos para personalizar los resultados. De esta forma, los diseñadores y artistas pueden posicionarse como protagonistas de este cambio, desarrollando sus propios flujos de trabajo y adaptando la IA a sus necesidades estéticas y conceptuales, en lugar de simplemente consumir resultados preestablecidos. La elección de un modelo abierto de IA no fue azarosa, este tipo de framework permite un control superior sobre los resultados al ofrecer acceso a su arquitectura y parámetros, lo que facilita la personalización de los algoritmos y la optimización de los modelos según criterios específicos del usuario. Esto no solo promueve la transparencia en el proceso de generación de contenido, sino que también habilita la colaboración interdisciplinaria y la experimentación, lo que resulta en innovaciones significativas en la aplicación de técnicas de inteligencia artificial en entornos creativos.
Un abordaje teórico-práctico
Nuestro enfoque fue tanto teórico como práctico. Cada clase incluyó al menos dos sesiones de práctica, donde los participantes podían experimentar directamente con la herramienta con la guia y acompañamiento de los facilitadores. Además, les ofrecimos dos horas semanales de acceso libre para que pudieran explorar por su cuenta, probar variaciones y afinar sus técnicas en un ambiente de juego y aprendizaje.
Para dar a los participantes una comprensión completa, organizamos el curso en cinco clases:
- Clase 1: Introducción a Stable Diffusion, exploración de la interfaz y técnicas de generación de imágenes a partir de texto (text2img).
- Clase 2: Uso de img2img, introducción a checkpoints y primeros pasos en fine-tuning.
- Clase 3: Técnicas de upscale y el uso de ControlNet para mayor control en la generación de imágenes.
- Clase 4: Creación de un modelo LoRA (Low-Rank Adaptation), una técnica de inteligencia artificial (IA) que permite adaptar un modelo de aprendizaje automático para usos específicos sin tener que volver a entrenarlo por completo. Personalizado y refinamiento de los resultados mediante fine-tuning.
- Ejercicio Final: Como ejercicio de cierre, trabajamos en generar imágenes de pizzerías porteñas, aportando un toque local y único que refuerza nuestra identidad cultural.
- Clase 5: La última clase fue una sesión presencial en Buenos Aires, donde la mayoría de los participantes se reunió para experimentar y compartir, consolidando lo aprendido y aprovechando un espacio para debatir y retroalimentarse.
Tomando el control creativo: originalidad y representatividad cultural
Además de aprender a manejar las herramientas, el curso fue un espacio para reflexionar sobre el impacto de la IA en el diseño y el arte, considerando los retos del desplazamiento laboral, la originalidad y la representación cultural. Con este curso, los participantes lograron tomar el control creativo, posicionándose como protagonistas.
Durante el curso, realizamos un finetuning enfocado en la temática de pizzerías porteñas, lo que nos permitió adaptar el modelo a las particularidades culturales y visuales de nuestra región. Este proceso de ajuste no solo resultó en la generación de imágenes más representativas y auténticas, sino que también destacó la importancia de detectar sesgos inherentes en los modelos de IA. La necesidad de realizar finetunings para obtener resultados más locales refuerza la idea de que los modelos abiertos facilitan la personalización, permitiendo a los creadores evitar la uniformidad que a menudo caracteriza a las producciones generadas por IA. Al fomentar esta adaptación, los artistas y diseñadores pueden enriquecer su trabajo y reflejar de manera más precisa sus contextos y comunidades.