La inteligencia artificial no solo crea cosas nuevas, también crea conversaciones que antes no teníamos.

Ver a tantas personas transformadas en personajes que parecen salidos de una película de Miyazaki me hizo pensar en lo accesible que se ha vuelto esta tecnología
Hace unos días, abrí redes sociales —TikTok, Instagram, hasta X— y lo vi: una ola de versiones al estilo Ghibli. Caritas brillantes, paisajes con nubes y colores suaves, ese tipo de nostalgia visual que solo se puede explicar si has visto El viaje de Chihiro más de tres veces (culpable). También me vino a la mente Totoro, Kiki o Howl. Cada imagen generada por IA parecía salida de estos mundos. Y si creciste con ellos o los descubriste después, sabes que no solo los admiras: en el fondo, desearías habitar esos universos. Preparar un desayuno con Calcifer, entregar pasteles con Kiki, quedarte bajo la lluvia junto a Totoro. No son solo arte: son lugares llenos de emociones a los que siempre queremos volver.
Esto me llenó de curiosidad. Ver a tantas personas transformadas en personajes que parecen salidos de una película de Miyazaki me hizo pensar en lo accesible que se ha vuelto esta tecnología. Y también, en lo fácil que es sorprendernos... sin detenernos a entender qué hay detrás.
Soy artista, pero también soy techlover. He trabajado con herramientas de inteligencia artificial, he entrenado modelos de aprendizaje automático, he explorado la generación de imágenes, texto y sonido con modelos generativos, y me emociona pensar en cómo estas tecnologías pueden cruzarse con el arte. Pero precisamente por eso, cuando veo momentos virales como este, me parece una gran ocasión para hablar de esto, para entender mejor lo que estamos usando y hacia dónde nos lleva.
Creo que estamos en una época única para vivir. Una en la que cualquier persona —tenga o no conocimientos técnicos— puede experimentar, jugar y crear con IA. Pero también necesitamos más que nunca hacernos preguntas. ¿qué otras cosas puede hacer? ¿Qué tanto entendemos del poder que ya tienen estas herramientas? ¿Dónde termina la herramienta y empieza la responsabilidad? ¿Cómo un trend nos pone de frente a un fenómeno tecnológico gigante?
Generar una imagen con IA es impresionante: estás usando un sistema que ha sido entrenado con millones de imágenes para reconocer patrones, estilos, formas y estructuras. Es como si le hubieras mostrado al modelo una gigantesca enciclopedia visual del internet, y luego le pidieras que imagine algo nuevo mezclando todo lo que aprendió.
Herramientas como DALL·E de OpenAI o Midjourney traducen tus palabras (o una imagen de referencia) en una nueva ilustración usando algo llamado "modelo de difusión": el sistema parte de una especie de imagen caótica (como un montón de estática en una TV antigua) y va aclarando los detalles paso a paso hasta que aparece algo reconocible.
Todo esto pasa en cuestión de segundos. Pero detrás de esa velocidad hay una infraestructura enorme: servidores funcionando sin descanso, GPUs (procesadores gráficos) de altísimo rendimiento y centros de datos que consumen energía.
A nivel mundial, los centros de datos consumen entre el 2% y el 3% de toda la energía global, y esta cifra podría aumentar un 50% cada año debido al crecimiento en el uso de inteligencia artificial. Entrenar modelos como GPT-3 no solo requiere enormes cantidades de energía, sino también un uso intensivo de agua y materiales de cómputo de alta demanda energética.
Y aunque generar una sola imagen no parezca mucho, cuando millones de personas lo hacen al mismo tiempo, el impacto se multiplica.
No digo esto para dejar de usarlo, sino para entenderlo mejor. La IA es estadística, procesamiento masivo y también recursos físicos reales. Y como todo, merece nuestra atención y reflexión. Quizás, entender la IA no empieza con un curso técnico, sino con algo tan simple como una imagen. Una que se parece a ti, pero también te invita a verte desde otro lugar lleno de curiosidad.
Referencias:
- Entrenamiento de modelos y emisiones de CO₂: Strubell et al., 2019. Energy and Policy Considerations for Deep Learning in NLP
https://aclanthology.org/P19-1355.pdf - OpenAI DALL·E info: https://openai.com/dall-e
- Explicación visual de modelos de difusión (Imagen, Stable Diffusion):
https://jalammar.github.io/illustrated-stable-diffusion/ - Google confía en la IA para reducir las emisiones mundiales de CO2 hasta en 10%: https://es.wired.com/articulos/google-confia-en-la-ia-para-reducir-las-emisiones-de-co2-hasta-en-10-porciento
