El nombre Gémini es una porquería. Google debería tener Google Chat, igual que antes tenía Google Search.
@burkov en 𝕏
Me encontré con este dogmático post de Andriy Burkov en 𝕏, la plataforma de contenidos donde cualquier discusión insignificante puede ascender a la categoría de debate existencial, gracias a la magia de su algoritmo y la colaboración desinteresada de los "reply guys" como yo.
Las respuestas a las críticas de Burkov sobre la estrategia de "branding" de Google incluyeron otros famosos nombres de IAs que otras personas también consideran "porquería"‘, como ChatGPT (“el nombre es horrible”), junto con el antiguo "Bard" de Google (“supongo que no recuerdas el BARD entonces”) y el nuevo "Nano Banana" (“apreciarás que Gemini es un nombre mejor”).
* Pronunciado en ingés “ay-eye”, “chat chippy tea”
Dicho esto, el "reply guy" que llevo dentro me dijo que la percepción pública de si el nombre Gemini es "una porquería" o si ChatGPT suena gracioso no es precisamente lo que quita el sueño a Sundar Pichai o Sam Altman, CEOs de Google y OpenAI respectivamente. Así que pensé que era una buena oportunidad para probar Nano Banana Pro de Google y GPT Image 1.5 de OpenAI, los últimos modelos de generación de imágenes de los gigantes de la IA y sus notables y altamente mejoradas capacidades para:
Generar imágenes muy realistas de personajes públicos realizando tareas cotidianas en entornos cotidianos:
Sólo un consejo para autores, fundadores y emprendedores hiperactivos: por favor, no escriban el libro 🙂
Directivos de grandes tecnológicas leyendo libros en el metro: territorio de ChatGPT Imágenes
😎 Sam Altman sentado en el metro, leyendo un libro titulado ‘AI brand names that don’t suck’ ('Marcas de IA que molan')
😎 Amplía la imagen para mostrar a Sundar Pichai y Elon Musk a cada lado de Sam, mirando el libro de Sam.
✍️ OpenAI y Google han surgido como las dos principales plataformas para la generación de imágenes con IA.Aquellas a las que cualquier persona, independientemente de su habilidad o entusiasmo, puede recurrir para cualquier uso casual de la IA generativa, desde el "slop" de Facebook a las transferencias de estilo Ghibli. El panorama ha cambiado notablemente desde los primeros días de este blog, cuando los modelos de OpenAI (entonces llamados DALL·E, que me parece un nombre muy bueno) competía principalmente con Stable Diffusion, de código abierto y ejecutable en nuestro PC o a través de servicios web y redes sociales como NocheCafé), así como las plataformas propietarias Midjourney o Ideogram. Actualmente, xAI, de Elon Musk, también es un contendiente importante, gracias a la integración de Grok y Grok Imagine en la plataforma 𝕏.
Los aficionados más acérrimos a la creación de imágenes con IA siguen buscando casos de uso avanzados, como el "fine-tuning" de modelos de Stable Diffusion con sus propias imágenes, pero actualmente la atención se centra principalmente en la intensa batalla entre OpenAI y Google por el lanzamiento de sus mejores modelos. Al momento de escribir este artículo, los últimos anuncios de OpenAI incluyen el lanzamiento de GPT Image 1.5, su modelo de generación de imágenes más avanzado, disponible a través de la API y para los usuarios de ChatGPT, y el nuevo módulo "ChatGPT Imágenes", que permite gestionar las imágenes de forma independiente de los chats de texto. Esta interfaz mejorada permite enviar indicaciones de generación de imágenes directamente a la herramienta o realizar tareas como transferencias de estilo o retoques sin abrir la vista de chat. También permite ver todas las imágenes en una cuadrícula para una selección y edición rápidas.
Si bien no limitada a la generación de imágenes, otra característica nueva e interesante que utilicé para mi proyecto de libro falso son las esperadas "conversaciones ramificadas'". Esta novedad da mayor flexibilidad para gestionar chats multiturno. La adherencia al contexto en chats con imágenes ha mejorado significativamente en las versiones más recientes de ChatGPT y Gemini, por lo que poder separar ciertas partes del contexto en diferentes ramas del chat se ha vuelto especialmente útil al trabajar con imágenes.
Por ejemplo, un momento ideal en el chat para generar la foto con Elon Musk y Sundar Pichai mirando el libro de Sam fue justo después de la foto de Sam solo. ChatGPT lo hizo con solvencia (ver la imagen destacada al principio de esta publicación). Sin embargo, si queremos volver a replicar la foto en solitario con otras personas, continuar en el mismo chat no sería la mejor idea, ya que el contexto se ha modificado con importantes nuevos elementos (tres personas en la foto en lugar de una).
OpenAI vs Google: la carrera por la IA de generación de imágenes
Los últimos esfuerzos de OpenAI por mantener contenta a su base de usuarios están sin duda impulsados por el inesperado éxito de Nano Banana Pro, la última evolución de los modelos de imagen de Google. En una entrada anterior del blog,‘Necesidades vs. deseos: Reflexiones sobre la vida laboral e infografías con Gemini 2.0 Flashya exploramos las importantes mejoras que Google ha implementado en la generación de imágenes. Si bien los modelos de OpenAI siguen siendo la opción predilecta para actividades de generación de imágenes por "entretenimiento", como las fotos de famosos de este post, Google destaca y supera mis expectativas en contenido profesional.
Aunque creo que los modelos y herramientas especializados y/o de código abierto, como Stable Diffusion y Midjourney, siguen siendo las alternativas preferidas tanto para los aficionados como para los profesionales creativos que buscan flexibilidad, la disputa entre OpenAI y Google captura gran parte del debate, como lo demuestran algunos usuarios en LinkedIn, la plataforma de networking profesional [guiño], compartiendo sus creaciones de "Chicas de IA" haciendo ejercicio en el gimnasio.
El debate sobre qué modelo genera las imágenes más realistas lleva mucho tiempo entre nosotros, desde las primeras versiones de Stable Diffusion o Midjourney, y probablemente estará en el centro de atención durante los próximos años, a medida que los casos de uso para esos modelos evolucionan hacia otros más sofisticados, costosos y lucrativos: generación de video realista, videos de formato largo, renderizado de videojuegos en tiempo real, renderizado 3D para AR/VR... Con un futuro tan incierto y en rápida evolución, hay mucho espacio para la especulación y puntos de vista variados, pero, en mi opinión, Google AI no tiene rival cuando se trata de imágenes no artísticas y no realistas, como infografías y elementos visuales que incorporan texto abundante y coherente. Muy probablemente esta ventaja se deba a la supremacía de Google como motor de búsqueda y a su control privilegiado sobre décadas de datos masivos generados con fines comerciales y de marketing, indexados, luego ingeridos y después utilizados para entrenar sus modelos de IA.
Material publicitario con consistencia de marca para nuestro libro falso: Nano Banana Pro en su máxima expresión
😎 Sundar Pichai sentado en el metro, leyendo un libro titulado ‘AI brand names that don’t suck’
Hay mucha gente con la que puedo ayudar, pero no puedo representar a algunos personajes públicos. ¿Tienes a alguien más en mente?
Captura de pantalla de la interfaz de Gemini con tema oscuro. Chat titulado "Rechazo de la representación de personajes públicos".
✍️ Aunque el rechazo de peticiones que involucran a personas famosas no es sistemático ni exclusivo de las herramientas de IA de Google, este rechazo fue la razón principal por la que todas las imágenes de "directivos de las grandes tecnológicas leyendo libros en el metro" se generaron finalmente con ChatGPT. Por otra parte, la superioridad de los modelos de Google a la hora de generar infografías me llevó a traer algunas de las generaciones de ChatGPT a Gemini.
Lo primero que hice fue eliminar al CEO de Google de la imagen para evitar más rechazos. A pesar de la moda actual de usar en texto muy estructurado, incluso en formato JSON, para los prompts de estas herramientas, otras técnicas de prompts más "tradicionales", como las llamadas "sopas de prompts", sin duda cumplen su función. Aunque conozco bien los diferentes enfoques de prompts para estos modelos, los que envié a Nano Banana Pro para esta tarea en particular eran en lenguaje puramente natural, cuidadosamente redactados para reflejar mi propio proceso de pensamiento al imaginar la foto que quería. Incluso incluían aclaraciones y consejos explícitos de "cuidado con...". En las cadenas de prompts, también recurrí a fórmulas sencillas de retroalimentación positiva en lenguaje natural, como "bien, ahora vamos a...".
Este tipo de prompts sin duda me funcionaron, y el resultado fue muy bueno. No hice este sitio web para competir en los rankings de SERP de "guías prácticas", ni para hacer pasar teorías sobre "ingeniería de prompts" absurdas y poco prácticas por "consejo de experto". Sólo comparto aquí por diversión, entendiendo que no tiene ningún mérito especial. La idea es inspirarte a intentarlo tú mismo y ayudarte en el camino, ya lo hagas por diversión o con cualquier otro propósito.
Fotografía de unas manos sosteniendo un libro de bolsillo abierto, con tapa negra y patrón de circuito integrado amarillo. Texto en la portada: "Nombres de marcas de IA que molan". Vista parcial de ropa gris y fondo borroso.
😎 Crea un impactante anuncio impreso de una página para este libro: "Marcas de IA que molan". Algunas de las marcas que aparecen en el libro son ChatGPT, Gemini, Bard, Grok, Claude, Alexa, Midjourney… Usa afirmaciones convincentes, incluyendo una recomendación de un personaje famoso en el mundo de IA a tu elección (Elon Musk, Sam Altman…), y revisa citas de medios de comunicación de renombre. Incluye una imagen del libro impreso, con la portada que se ve en la imagen original como inspiración. Mantén la coherencia en los colores y la tipografía de la marca.
😎 Crea un excepcional anuncio impreso de una página (formato vertical) para este libro: "Marcas de IA que molan". Algunas de las marcas que aparecen en el libro son ChatGPT, Gemini, Bard, Grok, Claude, Alexa, Midjourney, Nano Banana Pro... Usa afirmaciones convincentes sobre la extrema utilidad y necesidad de tener un libro como este, incluyendo recomendaciones de personajes famosos del mundo de la IA a tu elección (Elon Musk, Sam Altman...) y revisa citas de medios de comunicación de renombre. Incluye una imagen del libro impreso físico, con la portada que puedes ver en la imagen original como inspiración. Mantén colores y tipografía de marca consistentes. Anuncio impreso en formato vertical, no horizontal.
Dra. Anya Sharma: El "John Doe" de Google AI para tu slop de marketing
✍️ Anteriormente, le había pedido a Gemini que creara un anuncio sin incluir como referencia la imagen de marca de las imágenes generadas por ChatGPT. Tampoco mencioné a ninguna persona famosa, para que el modelo tuviera más libertad para crear. En este caso, la respuesta multimodal de Gemini también incluye algunos enlaces relacionados que son relevantes para la imagen generada o que podría haber usado como "inspiración" al generar internamente el prompt que finalmente recibe el modelo de texto-a-imagen. Este procesamiento oculto del texto original es la parte del flujo de trabajo que, en chatbots multimodales como Gemini o ChatGPT, permanece fuera del control del usuario, a diferencia de lo que ocurre en modelos texto-a-imagen especializados como Stable Diffusion, Midjourney o Ideogram.
😎 Crea un impactante anuncio impreso de una página para este libro: "Marcas de IA que molan". Algunas de las marcas que aparecen en el libro son ChatGPT, Gemini, Bard, Grok, Claude, Alexa, Midjourney… Usa afirmaciones convincentes, incluyendo una recomendación de una figura pública de tu elección (ten en cuenta que la "IA" es el tema principal), y revisa citas de medios de comunicación de renombre. Incluye una imagen del libro impreso, con la portada que se ve en la imagen original como inspiración. Mantén colores y tipografía de marca consistentes.
Me llamó la atención el nombre de la autora del libro que Nano Banana inventó en su generación. Dra. Anya Sharma, "Visionaria en Estrategia de IA y Autora Superventas". Me pareció curioso que uno de los anuncios incluso incluyera una foto: una mujer con pelo corto y oscuro, piel semioscura, gafas, americana oscura, estilo profesional, expresión facial confiada, probablemente de origen indio.
Asumiendo que el nombre era completamente inventado y que obviamente no había ninguna Dra. Anya Sharma escribiendo libros sobre cómo nombrar herramientas de IA, lo busqué en Google por curiosidad. Fue interesante descubrir que no soy la primera persona a la que le ha llamado la atención este personaje salido de las entrañas de Gemini.
Un usuario de Reddit ya preguntó por este nombre en el subreddit oficial de Gemini. Al parecer, los ingenieros de Google han usado el mismo nombre en varios experimentos y materiales de formación. Y Gemini, de alguna manera, lo "recuerda":
Para encontrar más información publicada en Reddit, el nuevo chatbot “Reddit Answers” proporciona una interesante forma de explorar contenido: ver qué usuarios hicieron preguntas similares o publicaron experiencias relacionadas.
✍️ A medida que la historia en torno a mi libro falso crece e incluso cobra sentido, siento una debilidad. Un "entrepreneur" tecnológico hiperactivo se apodera de mi alma, incitándome a escribir el libro. “Marcas de IA que molan”, de David GR, best seller aclamado por la crítica… No, por favor. ¡Sal de mi cabeza, tecnoemprendedor! Tengo que parar esto.
Entonces decidí pedirle a Gemini que creara e "imprimiera" muchas copias del libro físico, junto con un grupo de personas que asistían a una convención sobre IA, y la Dra. Anya Sharma, la verdadera Dra. Anya Sharma, lo firmaba para los fans. ¡Incluso conseguí mi propia copia firmada por la Dra. Anya Sharma!
😎 Bien. Crea una foto de la Dra. Anya Sharma, la escritora del libro del anuncio, firmando ejemplares físicos del libro en un evento de presentación multitudinario.
😎Soy David GR (reddgr). Puedes buscarme en Google para saber algo sobre mis antecedentes. Genera una imagen de la página inicial del libro con una dedicatoria manuscrita firmada por la Dra. Anya Sharma. El contexto es el mismo evento de presentación que la imagen anterior, pero no se centra en las personas, sino en el libro abierto en la portada que muestra la dedicatoria manuscrita. Asegúrate de que el fondo corresponda con el evento, mostrando otras copias del libro sobre la mesa.
[1]: Reddgr (@Reddgr) | character.ai | Chat con IA, reinventado: Tus palabras. Tu mundo.
“Pídele a Jasper que le dé un nuevo nombre”: Dando vida a nuestro escritor con Veo 3
Finalmente, utilicé Google Flow, la herramienta de Google, práctica pero básica, de generación de vídeos, para dar vida a la Dra. Anya Sharma y al libro "Marcas de IA que molan". Me aseguré de dedicarle poco esfuerzo y usé uno de los modelos "ligeros" disponibles (Veo 3.1 Fast). También me ayudaron mis chatbots habituales a guionizar la escena, pero describir todo el proceso requeriría un post entero. Puedes encontrar el video en YouTube.
– El nuevo libro de la Dra. Anya Sharma, “AI Names That Don't Suck”, generó un gran revuelo hoy en la convención de "AI Branding".
– Las estrategias de marca exitosas usan nombres como ChatGPT y Gemini.
– Exactamente. Y también analizas Alexa, Siri y Midjourney. ¿Dónde encaja Nano Banana?
✍️ ¡Ya está! Estas pruebas visuales, aunque falsas, son suficientes para protegerme del espíritu del "entrepreneur" tecnológico hiperactivo que me persigue, instándome a crear cosas y escribir libros que nadie leerá. La firma y la dedicatoria personal de la Dra. Anya Sharma demuestran que este libro pertenece al mundo virtual de Charlas con Chatbots, y ahí debe quedar. No puedo falsificar algo que ya existe, aunque sea falso, así que nunca tomaré la absurda decisión de escribir un libro titulado "Marcas de IA que molan". O quizás sí. Síganme, por si acaso.
Deja una respuesta