Ecosistema de herramientas y modelos abiertos

Este capítulo lo he orientado como una guía de cómo está organizado el ecosistema, qué papel juega cada tipo de herramienta y cómo encontrar la solución adecuada cuando aparezca un problema concreto.

Herramientas generalistas

Son las que usaremos en el 90 % de los casos, y probablemente las únicas que la mayoría de la gente necesita.

ChatGPT. Generación, análisis y edición conversacional en el mismo hilo. Su punto fuerte es precisamente eso, poder subir, preguntar, corregir y volver a generar sin cambiar de sitio.

Gemini. Multimodalidad y edición visual, con muy buena integración en el ecosistema de Google.

Microsoft Copilot. De interés especial si tu organización ya trabaja con Microsoft 365, por debajo suelen utilizar modelos de OpenAI (menos potentes de los que encontrarás en chatGPT).

Herramientas creativas

No hace falta usarlas todas. Conviene conocerlas para saber que existen cuando una generalista se queda corta.

Adobe Firefly. Su principal valor es la integración con el flujo de trabajo de diseño y una política de entrenamiento pensada para uso comercial.

Magnific. Generación, edición y mejora visual (escalado y aumento de detalle). Anteriormente Freepik.

Midjourney. Muy popular en creación artística y dirección estética.

Ideogram. Especialmente interesante para diseño y tipografía, que históricamente ha sido su punto fuerte.

Modelo, servicio y aplicación

Suele haber confusión entre estos términos.

ChatGPT no es un modelo. Es una aplicación que da acceso a diferentes capacidades y modelos.

Tres capas distintas:

Modelo. La red neuronal entrenada. Es un archivo con pesos y una arquitectura. Por sí solo no hace nada.

Servicio. La infraestructura que ejecuta ese modelo: los servidores, las GPU, la API, los límites de uso.

Aplicación. La interfaz con la que interactuamos: el chat, el editor, el botón de generar.

Por qué importa

Una misma aplicación puede cambiar el modelo que ejecuta por debajo, y de un día para otro los resultados cambian sin que hayamos tocado nada. Y al revés: un mismo modelo abierto puede ejecutarse en el servicio de un tercero o dentro de la infraestructura de nuestra propia organización, con implicaciones de privacidad completamente distintas.

Hugging Face

Hugging Face es una plataforma y ecosistema para compartir modelos, datasets y aplicaciones de inteligencia artificial. Es el punto de referencia de la comunidad abierta.

Tres secciones que conviene reconocer:

Models. Los modelos en sí, con su documentación, su licencia y sus condiciones de uso.

Datasets. Los conjuntos de datos, muchos de ellos los usados para entrenar esos modelos.

Spaces. Aplicaciones ejecutables directamente en el navegador. Es la parte más útil para este curso: permite probar una capacidad concreta sin instalar nada, y suele ser el sitio donde primero aparecen las técnicas nuevas.

Modelos abiertos

Ejemplos habituales en el momento de escribir esto: FLUX, los modelos abiertos de Stable Diffusion, Qwen-Image y otros que irán apareciendo.

¿Por qué pueden interesar, si las herramientas generalistas ya funcionan bien?

• Control. Se pueden ajustar y combinar con técnicas como ControlNet o LoRA.
• Personalización. Se pueden adaptar a un estilo o a un producto concretos.
• Investigación. Permiten estudiar y reproducir resultados.
• Ejecución local. No dependen de la conexión ni de un proveedor externo**.
• Privacidad. Los datos no salen de la infraestructura propia.
• Soberanía tecnológica. No se depende de decisiones comerciales ajenas.

"Abierto", además, no significa lo mismo en todos los casos. Hay modelos con pesos publicados pero licencias restrictivas para uso comercial, y otros genuinamente permisivos. Antes de usar uno en un proyecto real, hay que leer la licencia.

Ejercicio

La idea en este ejercicio es fomentar encontrar herramientas nuevas por tu cuenta.

Escoge un problema de entre los siguientes y localiza una herramienta, una demo o un modelo que lo resuelva:

Se puede usar cualquier vía: un buscador, ChatGPT, Hugging Face o las herramientas ya vistas en clase.

Al poner en común, más importante que la herramienta encontrada es cómo se llegó a ella: qué se buscó, qué términos funcionaron, cómo se descartaron las opciones malas...