0.1La IA generativa de imágenes : cómo funciona
Lo esencial en 30 segundos
- Un modelo de difusión parte de un ruido aleatorio : entrenado para eliminar el ruido paso a paso, hace emerger una imagen nítida a partir de una « nieve » inicial.
- Tu prompt GUÍA la eliminación del ruido : convertido en embeddings, tu texto orienta cada etapa — la formulación cambia mucho el resultado.
- La generación es probabilística : mismo prompt ≠ misma imagen (salvo seed fijo) — y la IA genera algo nuevo, no pega trozos de imágenes existentes.
Mini-caso continuo — Sonia prueba el azar en Argel
Sonia, diseñadora gráfica freelance en Argel, descubre la IA visual para ilustrar los artículos de un cliente. Escribe « un faro sobre un acantilado, al atardecer », genera dos veces — y obtiene dos imágenes distintas. En lugar de pensar que es un error, aplica el método de la guía : relanza varias veces para explorar, luego añade UN detalle cada vez (« visto desde lejos, cielo tormentoso ») para ver lo que cambia cada palabra. Anota la lección en una chuleta : el modelo elimina el ruido de un ruido aleatorio guiado por su texto — ningún prompt mágico, sino una formulación por afinar.
Caso autónomo de esta sección : reaparece en el curso, el esquema, el guion y el desafío 48h de la sección 0.1.
1. El modelo de difusión : del ruido a la imagen
Una IA generativa de imágenes transforma una frase (el prompt) en imagen gracias al principio dominante del sector : el modelo de difusión. Durante el entrenamiento, se muestran al modelo millones de imágenes a las que se añade progresivamente ruido (una « nieve » aleatoria) hasta hacerlas irreconocibles, y se le enseña el camino inverso : eliminar el ruido paso a paso para recuperar una imagen nítida. Una vez entrenado, sabe partir de un puro ruido aleatorio y « eliminarlo » hasta hacer aparecer una imagen. Sonia se queda con la imagen : no se pinta, se revela — como una foto que se revela.
2. El texto guía la eliminación del ruido
Queda por saber qué imagen hacer aparecer : ese es el papel del prompt. Tu texto se convierte en representación matemática (unos embeddings) que guía la eliminación del ruido en cada etapa, para que el resultado corresponda a tu descripción. El modelo no « comprende » en sentido humano : orienta la generación hacia lo que, estadísticamente, se parece a tu texto. Por eso la formulación importa tanto : cada palabra precisa refuerza la guía, cada imprecisión la afloja. Sonia prueba : « un faro » da una base, « un faro sobre un acantilado, al atardecer, visto desde lejos » da una dirección.
3. Probabilístico, y no un corta-pega
Dos consecuencias prácticas para recordar. Primero, el resultado es probabilístico : dos generaciones con el mismo prompt dan imágenes distintas, porque cada una parte de un ruido inicial diferente — salvo que se fije el azar con un seed (sección 2.2). Después, la IA no copia imágenes existentes : produce una imagen nueva a partir de regularidades aprendidas — lo que no elimina las cuestiones jurídicas y éticas (sección 0.4). Comprender este funcionamiento evita dos errores de principiante : creer que existe un prompt « mágico », y sorprenderse por la variabilidad. Sonia muestra su regla : para explorar, se relanza ; para iterar en serio, se fija el seed y se cambia una cosa cada vez.
¿Lo sabías? Revelar como en analógico
Nada de magia : ruido, texto, y una imagen que se revela.
🔎 Ejemplo concreto — 🔎 Ejemplo concreto — La variabilidad en acción
Sonia escribe « un faro sobre un acantilado, al atardecer » y relanza dos veces de forma idéntica.
/imagine prompt: un faro sobre un acantilado, al atardecer
→ imagen 1 : faro centrado, cielo tranquilo.
/imagine prompt: un faro sobre un acantilado, al atardecer (relanzamiento idéntico)
→ imagen 2 : encuadre y nubes distintos.
/imagine prompt: un faro sobre un acantilado, al atardecer, visto desde lejos, cielo tormentoso
→ el detalle añadido reorienta mucho el resultado.Lectura : las dos primeras imágenes difieren aunque el prompt es idéntico — la prueba de que el ruido de partida cambia cada vez.
Lección : el tercer prompt muestra la otra cara : la formulación guía — un detalle concreto desplaza el resultado.
Vocabulario de la sección
- Prompt
- Descripción textual enviada al modelo ; guía la generación de la imagen.
Ejemplo sencillo: Sonia escribe « un faro sobre un acantilado, al atardecer » para lanzar su generación.
Lo que no es: una fórmula mágica que daría siempre la misma imagen.
Reflejo: describir lo que debe verse, con palabras concretas.
- Modelo de difusión
- Modelo que aprende a eliminar el ruido paso a paso ; parte de un ruido aleatorio para hacer emerger una imagen.
Ejemplo sencillo: Sonia visualiza la eliminación del ruido como una foto que se revela.
Lo que no es: un banco de imágenes del que se recortarían trozos.
Reflejo: pensar « revelado guiado », no « montaje ».
- Eliminación del ruido (denoising)
- Proceso iterativo de retirada del ruido que hace aparecer progresivamente la imagen.
Ejemplo sencillo: En cada etapa, la imagen de Sonia se vuelve un poco más nítida.
Lo que no es: una simple ampliación de píxeles existentes.
Reflejo: dejar que el proceso llegue al final antes de juzgar.
- Embedding
- Representación matemática del texto que permite al modelo orientar la generación.
Ejemplo sencillo: El prompt de Sonia se convierte en una guía cifrada de la eliminación del ruido.
Lo que no es: una comprensión humana del sentido de las palabras.
Reflejo: cuidar la formulación : cada palabra pesa en la guía.
- Generación probabilística
- Carácter aleatorio del resultado : un mismo prompt da imágenes distintas en cada intento.
Ejemplo sencillo: Sonia relanza dos veces y compara dos faros distintos.
Lo que no es: un error o un fallo de la herramienta.
Reflejo: para explorar : relanzar ; para iterar : fijar el seed.
En la práctica — En la práctica — Observar el carácter probabilístico de la generación
- Elige una herramienta accesible (ver secciones 0.2 y 1.4) e introduce un prompt sencillo, por ejemplo « un faro sobre un acantilado, al atardecer », como Sonia.
- Genera una primera vez, luego relanza EXACTAMENTE el mismo prompt.
- Compara : las dos imágenes difieren — es normal, la generación parte de un ruido aleatorio distinto.
- Añade un detalle al prompt (« visto desde lejos, cielo tormentoso ») y observa hasta qué punto la formulación orienta el resultado.
Guion listo para decir — explicar la generación a un cliente (30 s)
« La IA no copia fotos : parte de un ruido aleatorio y lo elimina paso a paso, guiada por mi texto. Así que el mismo prompt da imágenes distintas cada vez — es normal, incluso es útil para explorar. Como Sonia, relanzo varias veces para encontrar la pista, luego afino palabra por palabra. »
Para decir mostrando el esquema ruido → eliminación del ruido → imagen ; insistir en « nada de corta-pega ».
Modelo copiar-pegar — mi primera prueba de variabilidad
/imagine prompt: un faro sobre un acantilado, al atardecer
→ generar, anotar lo que gusta y lo que falta.
/imagine prompt: un faro sobre un acantilado, al atardecer
→ relanzar DE FORMA IDÉNTICA, comparar : ¿qué ha cambiado solo?
/imagine prompt: un faro sobre un acantilado, al atardecer, visto desde lejos, cielo tormentoso
→ añadir UN detalle, comparar : ¿qué ha movido esa palabra?Con Midjourney
Sonia lanza el modelo en la aplicación web de Midjourney : cuadrícula de cuatro propuestas por generación, perfecta para comparar los relanzamientos de un mismo prompt.
Con una herramienta gratuita
Sin suscripción : misma prueba con una oferta gratuita que da acceso a DALL·E 3 (cuotas) — la variabilidad se observa igual, bastan dos relanzamientos.
Cuaderno de exploración
Sonia pega sus tres generaciones una junto a otra en un documento, con el prompt exacto debajo de cada una : su primer embrión de biblioteca de prompts.
En pareja en Argel
Sonia muestra dos relanzamientos a un colega sin decirle que el prompt es idéntico : él busca la diferencia de formulación — luego ella revela el azar del ruido de partida.
✓ Buenas prácticas
- Relanza varias veces : nunca juzgues una idea con una sola imagen.
- Formula con palabras visuales concretas : la formulación guía la eliminación del ruido.
- Fija el seed (sección 2.2) en cuanto quieras iterar en serio sobre una pista.
✗ Errores frecuentes
- Creer que existe un prompt « mágico » que da siempre el mismo resultado.
- Sorprenderse por la variabilidad de los resultados : es intencionada, no un error.
- Pensar que la IA pega trozos de imágenes existentes.
Puntos clave
- Un modelo de difusión parte de un ruido aleatorio y lo retira paso a paso para hacer aparecer la imagen.
- El prompt, convertido en embeddings, GUÍA esa eliminación del ruido : la formulación cambia mucho el resultado.
- La generación es probabilística : mismo prompt ≠ misma imagen (salvo seed fijo).
- La IA no pega trozos de imágenes existentes : genera a partir de regularidades aprendidas.
Desafío 48h — aplica mañana
Lanza el modelo de prueba a lo Sonia (prompt sencillo + relanzamiento idéntico + añadido de un detalle), pega las tres imágenes una junto a otra y anota en una frase lo que te ha enseñado cada intento.
- Puedo explicar el modelo de difusión en una frase (ruido → eliminación guiada del ruido → imagen).
- He relanzado un prompt de forma idéntica y he constatado la variabilidad.
- He medido el efecto de una sola palabra añadida al prompt.
Preguntas frecuentes
¿La IA copia imágenes existentes para fabricar la mía?
No, no en el sentido de un corta-pega : el modelo ha aprendido regularidades estadísticas y GENERA una imagen nueva eliminando el ruido de un punto de partida aleatorio. Matices : existen casos de memorización en imágenes muy repetidas (obra ultra famosa, logotipo) — razón para verificar lo que se publica — y el carácter « nuevo » del resultado no resuelve la cuestión jurídica de los datos de entrenamiento (juicios en curso, derecho variable según el país : ver 0.4).
¿Por qué el mismo prompt nunca da dos veces la misma imagen?
Porque cada generación arranca de un ruido aleatorio distinto. Es una propiedad intencionada : permite explorar varias interpretaciones de una misma idea. Para ITERAR en serio, se fija el seed (mismo prompt, misma versión, mismos parámetros = resultado reproducible, sección 2.2) y solo se cambia una cosa cada vez.
¿Cómo crea una imagen un modelo de difusión?