W.A.I. #48

Bienvenida/o a una nueva edición de WAI, la número 48.

Esta semana (o estos últimos 14 días más bien) tengo la sensación de que ha habido un aluvión de novedades de un nivel muy superior al habitual.

Creo que las noticias del top 10 de hoy son una especie de All Star donde está lo mejor de cada casa. El único de los grandes que echo en falta es OpenAI, pero bastante hemos tenido las pasadas semanas con sus dramas, así que bien está que descansen un poco.

Probablemente lo más llamativo (spoiler alert) sea el anuncio de Google Gemini y, al hilo de ese anuncio, venía dándole vueltas a un tema que me gustaría compartir brevemente contigo.

Cada nuevo modelo que aparece lleva bajo el brazo una serie de evaluaciones y métricas que se supone que sirven para demostrar lo potentes y maravillosos que son.

Estas métricas, lógicamente, no son las mismas para todos y cada cual elige mostrar la que más le favorece, faltaría más. A veces tengo la sensación de que debajo de esos números hay mucho más trabajo de maquillaje que de realidad.

Los esfuerzos que hacen a veces para demostrar que su modelo supera al del rival son dignos de un contorsionista de circo.

Resumiendo, para mí son números que no reflejan la realidad (utilidad) del modelo y cumplen una función -muy importante, eso sí- de marketing. ¿Cuántos modelos hemos leído que superan a GPT-4 y luego son, hablando en plata, un mojón? Pues eso.

Empezamos.

🗻 TOP 10 - Si solo tienes 2 minutos, esta es tu sección.

▶️ Google anunció por sorpresa Gemini, su nueva IA de la mano de DeepMind que, según sus pruebas, supera a GPT-4 en casi todo.

▪️Te dejo aquí el vídeo más impresionante y controvertido de esta presentación:

▪️Y es que parece que no es oro todo lo que reluce y la demo tenía un poco (mucho) cartón piedra. DotCSV lo comenta en este vídeo:

▶️ La IA de Elon Musk, Grok, ya está disponible en EEUU. Y como nosotros sabemos usar una VPN, también podemos utilizarlo ;).

▶️ La Unión Europea aprueba la primera ley de regulación de la Inteligencia Artificial. Nota mental: ser los primeros no siempre significa ser los mejores.

▶️ Stability, creadores de Stable Diffusion entre otros, está estudiando implementar un modelo de suscripción para el uso de sus modelos. Por lo visto los inversores están apretando.

▶️ Amazon se une a la fiesta y presenta Amazon Q, su modelo diseñado específicamente para empresas.

▶️ La nueva versión 1.0 de PikaLabs parece tener todo lo necesario para pelear de tú a tú con Runway como la mejor herramienta de vídeo con IA. El vídeo de presentación es una maravilla.

▶️ “Pequeño” resumen de las novedades que tienen entre manos en Meta en relación con la IA. Nada menos que 20.

▶️ Copilot, antes conocido como Bing Chat, celebra su aniversario añadiendo múltiples mejoras, como un nuevo Dall-E 3, GPT-4 Turbo o Deep Search.

▶️ Rumores por parte de ByteDance, creadores de TikTok, de que un modelo más potente que Gemini está al caer.

🐔 Tuit de la semana

▶️ Grok mostró el clásico mensaje de los modelos de OpenAI en una respuesta y la cuenta de ChatGPT no perdió la oportunidad de señalarlo.

🏆️ Imagen de la semana

▶️ Martin Haerlin nos vuelve a mostrar su talento, esta vez usando la nueva herramienta inpainting de Pika 1.0.

🛠️ La Cacharrería (si eres de probar las cosas, estás en el lugar adecuado)

▶️ LaVie es un modelo open source de creación de vídeo a partir de texto que puedes probar en Hugging face.

▶️ Meta liberó varios modelos de traducción y uno de ellos es capaz de mantener la expresividad de las voces originales. Se puede probar aquí.

▶️ Demo para usar StyleAligned de Google, que crea varias imágenes manteniendo la consistencia en el estilo.

▶️ DemoFusion es el equivalente a un upscale con IA como el de KREA o Magnific, pero en modo open source. Lo puedes probar en Replicate gratis aquí.

▶️ Y como alternativa, también puedes usar Enhance This, que escala y añade detalle con IA y es de código abierto.

▶️ Como nota final de esta sección, te diría que si tienes un equipo medio decente instales Pinokio y pruebes todo lo que está compartiendo su autor, porque lleva unos días subiendo casi de todo y es una gozada.

🖼️ Imágenes

▶️ Stability sigue con su serie de anuncios semanales y publicó hace unos días SDXL Turbo, su generador de imágenes en (casi) tiempo real. 

▶️ Meta ha publicado su herramienta para generar imágenes. De momento sólo se puede usar en EEUU, pero con un VPN (descargando el navegador Opera) todo se arregla.

▶️ Freepik presentó Pikaso, su herramienta para generar imágenes en tiempo real con IA.

▶️ StableVITON es un modelo que permite vestir con la ropa que queramos al modelo que queramos.

▶️ Amazon también se suma al equipo de los generadores de imágenes y ya tiene disponible Titan en la plataforma BedRock.

▶️ La nueva versión de Dall-E 3 en Copilot sí parece haber subido de calidad.

▶️ Se supone que la semana que viene los que tengamos más de 10000 generaciones podremos empezar a usar Midjourney en la web.

▶️ Juan Pablo de Miguel sigue mejorando su Style2Anything, para transferir estilos de una imagen a otras.

▶️ Playground presentó su nuevo modelo de generación de imágenes, abierto para uso comercial y entrenado desde cero. Dicen que en sus pruebas la gente lo prefería frente a SDXL.

▶️ LooseControl es un nuevo método basado en cajas y mapas de profundidad para controlar la composición de la generación de imágenes.

✏️ Texto

▶️ Además de Gemini, Google (o DeepMind), anunció AlphaCode 2, la revisión del modelo enfocado en programación.

▶️ Perplexity reveló sus dos nuevos modelos propios, esta vez con la capacidad de conectarse a internet para obtener información en tiempo real.

▶️ NoteBookLM es una herramienta de notas de Google que incorporar el nuevo Gemini.

▶️ Anthropic comparte un artículo para elevar la precisión de Claude 2.1 recuperando información de un 27% a un 98%.

▶️ Microsoft Edge incorpora la capacidad de resumir vídeos.

▶️ Mamba-Chat es el primer Chatbot de IA que no se basa en la tecnología transformers para funcionar.

▶️ Stability presentó StableLM Zephyr 3B, su modelo de lenguaje más ligero.

▶️ Mistral ha liberado su nuevo modelo mezcla de expertos con una combinación de 8 versiones de 7b de parámetros. Y digo liberar porque presentar sería una palabra muy grande para lo que han hecho. Básicamente tiraron el enlace de Torrent directamente en crudo en un mensaje de Twitter.

🧱 Diseño / 3D

▶️ Gaussian Head Avatar permiten capturar a un actor en 3D y luego transferir sus movimientos a cualquier otro sujeto.

▶️ Material Palette es capaz de extraer materiales, con sus diferentes canales, a partir de una única imagen.

▶️ Ejemplo de Ilumine AI de lo que podría ser el futuro de los videojuegos, dándole un vídeo de entrada de un juego tipo Doom y filtrándolo con IA para mejorarlo.

🎥 Vídeo

▶️ AnimateZero es una nueva técnica para generar vídeo con modelos de difusión que, entre otras muchas virtudes, permite añadir texto para dirigir el resultado.

▶️ En vídeo hay dos modelos que han desatado la locura estos días por su capacidad de animar a cualquier persona.

▪️MagicAnimate permite animar personajes a partir de archivos específicos y ya está disponible para todo el mundo en Replicate o en Colab.

▪️Animate Anyone todavía no tiene código pero parece que ofrece una calidad ligeramente superior.

▶️ Video Sketching consigue convertir vídeos en bocetos a línea, maneteniendo el movimiento original.

▶️ GAIA es un nuevo generador de avatares a partir de fotografías de Microsoft. Su nivel de calidad es tremendo.

▶️ Ya se puede usar Stable Video Diffusion seleccionando el área que quieres que se mueva en vez de la imagen completa.

▶️ Diffusion Motion Transfer es un modelo que es capaz de modificar vídeos mediante prompts manteniendo el movimiento y dirección del mismo. En el vídeo se ve un ejemplo de un perro saltando al agua que es modificado por un caballo saltando al agua.

▶️ DynamicCrafter es parecido al anterior, pero además de poder controlar movimiento mediante texto, tiene un mayor grado de dinamismo en las generaciones. (El vídeo mola mucho)

📻️ Todo lo demás

▶️ Lo pongo aquí porque no sé dónde encaja mejor el tema de traducciones, pero, como puse arriba en La Cacharrería, Meta ha publicado una suite completa de traducción actualizando Seamless M4T. Múltiples idiomas, texto, audio, 2 segundos de latencia, mantiene la expresividad…el futuro, vaya.

▶️ Apple, a la chita callando, ha liberado un framework propio llamado MLX para crear sus propios modelos IA.

▶️ Pasar de hacer una captura de pantalla a tener el código hecho y funcionado con v0, de Vercel, parece ciencia ficción. Recomiendo horrores ver el video entero (1 minuto y pico).

▶️ Microsoft lanza Seeing AI para iOS y Android con el objetivo de ayudar a las personas ciegas o con problemas de visión a través de la IA.

▶️ La revista Nature pregunta a 7 científicos cuál es el uso que están dando en sus respectivos campos a ChatGPT.

▶️ 1 de cada 5 adolescentes que han oído hablar de ChatGPT lo usan para sus deberes escolares en EEUU. Pocos me parecen.

▶️ El Pentágono acelera el proceso de incorporar armas letales autónomas controladas por IA.

🎓️ Formación y tutoriales

▶️ Cómo crear custom actions para los GPTs que crees, usando Replit.

▶️ Replicate ha sacado guías básicas sobre Stable Diffusion

▶️ Crea un Chatbot capaz de interactuar con 6000 apps gracias a Zapier y Langchain.

🍅 Salseo

▶️ Sam Altman es elegido como mejor CEO del año cuando empiezan a surgir rumores de nuevos problemas en OpenAI. También es verdad que Gary Marcus le tiene ganas y publica todo lo que pueda en contra.

Despedida

Como siempre, muchísimas gracias por leer esta newsletter. ¿Qué te ha parecido?

Si tienes cualquier sugerencia o comentario, por favor, házmelo llegar (estoy por aquí en Twitter) y lo tendré en cuenta para futuras ediciones.

Y si crees que le puede interesar a alguien, aquí tienes la forma de compartirla.

También puedes copiar y compartir directamente este enlace

https://wai-newsletter.beehiiv.com/subscribe

¡Saludo