Dra. Zobeida Jezabel Guzmán Zavaleta
Profesora de tiempo completo del Departamento de Computación, Electrónica y Mecatrónica
La industria del entretenimiento ha ido avanzando a pasos tan grandes como la innovación tecnológica lo permite. Muchas de las ideas creativas que antes sólo se materializaban en nuestra imaginación, ahora las visualizamos en la pantalla grande. El cine posibilitó pasar por grandes cantidades de maquillaje y efectos especiales, hasta llegar a la animación digital, realidad virtual y gráficos por computadora. Sin terminar de sorprendernos, los encargados de hacer que «la magia» ocurra, son capaces de crear ambientes convincentes, personajes realistas y –últimamente– hasta rejuvenecer o envejecer a los actores y actrices (usando inteligencia artificial).
Si bien, saber utilizar los programas especiales para lograrlo, mantener la creatividad y un tanto de arduo trabajo son esenciales, también lo es la investigación científica y aplicada que está detrás. Para poder desarrollar algoritmos que permitan visualizar en las pantallas la realidad virtual y los gráficos por computadora es indispensable sumergirse en los fundamentos matemáticos y físicos para entender cómo se comportan las figuras, siluetas y los cambios de luz. Por su parte, la inteligencia artificial usa, además de las matemáticas, algunos principios de aprendizaje que tenemos los humanos: aprendemos con base en la experiencia. Aprender con base en ejemplos es una de las estrategias que usa el Deep Learning (o aprendizaje profundo); el cual es una rama de estudio dentro de la inteligencia artificial (IA).
Los modelos de Deep Learning han demostrado su utilidad, sobre todo, para tareas en datos complejos, como lo son las imágenes, audio y videos digitales. Mientras que nuestro cerebro está entrenado para identificar patrones y darles significado, por ejemplo, un rostro o una canción, los contenidos digitales son un conjunto de números en los que no se encuentran esos patrones de manera directa. Un modelo de Deep Learning busca esos patrones característicos y abstractos mediante una serie de transformaciones a esos datos complejos; lo hace de manera automática, pero requiere aprender cómo hacerlo. Para ello se necesita una gran cantidad de ejemplos para poder ajustar a un modelo de Deep Learning a lo que debe aprender. Así, con un entrenamiento adecuado es posible que el modelo «aprenda» después de analizar cientos o miles de imágenes cuáles son los rasgos característicos de un actor famoso y «copiarlos» en la cara de alguien más. Este es un ejemplo de cómo algunos artistas modernos usan las herramientas creadas con base en Deep Learning para cambiar la edad de nuestras actrices y actores favoritos usando la técnica de reemplazo de rostro u otras mucho más elaboradas.
Desafortunadamente, algunas personas han usado esas herramientas para crear imágenes, audios y videos falsos (usando Deep Fake), que más allá de sólo hacernos reír un poco y entretenernos, también son usados para crear fraudes que amenazan con la seguridad e integridad de las personas. Tendremos que aprender a reconocer lo que es del cine y del entretenimiento para diferenciarlo de lo que es falso y fraudulento.
