Modelos de difusión: cómo la IA aprende a dibujar olvidando

Los modelos de difusión son el motor detrás de Stable Diffusion, DALL-E y Midjourney. No solo copian imágenes: aprenden qué son las cosas mirándolas desaparecer.

El truco es sencillo. Tomás una foto nítida, le agregás ruido hasta que parece estática de TV. Y después invertís el proceso: el modelo aprende a quitar ese ruido y recuperar la imagen original. Entrenado con millones de fotos, descubre las reglas de cómo pasar del caos a la claridad.

Pensalo como la abuela haciendo tamales. Empieza con masa y rellenos esparcidos sobre la mesa. Va doblando las hojas uno por uno. Cada pliegue es un paso pequeño del desorden al orden. Después de mil tamales, puede empezar con un bulto y terminar con un paquete, sin tarjeta de receta.

Eso hace la difusión. Aprende los pliegues, no la lista.

Esto importa para la dueña de la bodega que quiere una foto de producto, la estudiante que arma un poster, la tía que quiere su foto retocada. El modelo no necesita instrucciones perfectas. Adivina, refina, adivina de nuevo: como alguien probándose una remera frente al espejo, ajustando, volviendo a probar.

El resultado son imágenes que parecen reales pero no son fotos. Son sugerencias con ropa puesta.

Por qué nos importa: los modelos de difusión le permiten a cualquiera con un celular generar imágenes que parecen hechas por un profesional: sin título de diseño, sin software caro, solo un prompt y una espera.

Probalo con un prompt que describa la escena en palabras simples, como le contarías a un amigo: "a taquería counter with steam rising off the al pastor, warm light, shallow focus." El modelo completa el resto.