5 Aplicaciones de las GAN en el mundo empresarial

Aunque es posible que muchos consumidores hayan visto noticias en publicaciones tecnológicas sobre la capacidad de las redes generativas adversariales (GAN) para recrear imágenes, fotografías y obras de arte con un aspecto increíblemente preciso y realista, esta tecnología flexible también puede utilizarse para abordar otros problemas empresariales. Dicho esto, otros 5 ejemplos de cómo se están aplicando actualmente las GAN en un contexto empresarial específico incluyen la traducción de texto a imagen, la eliminación de ruido, la mejora de la descripción/personalización de productos, el aumento de datos y la arquitectura/diseño industrial, ya que los modelos generativos se están utilizando para apoyar todos estos objetivos empresariales de una forma u otra.

Traducción de texto a imagen

Además de crear imágenes sintéticas de acuerdo con las características y patrones que una GAN identifica en imágenes reales, estas redes neuronales también pueden utilizarse para crear imágenes de acuerdo con texto escrito. Para ilustrar aún más este punto, los desarrolladores de software de la Universidad de Cornell fueron capaces de utilizar una serie de GAN apiladas para crear imágenes sintéticas que representaban pájaros simplemente escribiendo frases que describían las características físicas de dichas aves en 2016. Por ejemplo, una de esas frases decía “el pájaro pequeño tiene la cabeza roja con plumas que pasan del rojo al gris de la cabeza a la cola”, mientras que otra frase decía “el pájaro es negro con verde y tiene un descanso muy corto”. Estas frases se utilizaron después para crear imágenes sintéticas de pájaros en el transcurso de dos etapas de desarrollo.

Denoising

La eliminación de ruido es una de las muchas técnicas que pueden utilizarse para mejorar la calidad visual de las imágenes. Dicho esto, los desarrolladores de software han descubierto que pueden utilizar las redes GAN para eliminar ruido de las imágenes de una manera muy eficaz. Para ello, un desarrollador de software introduce una imagen con ruido en una red GAN, con el objetivo de crear una imagen sintética de mayor resolución y claridad que la imagen original. Esta técnica ha sido especialmente útil para eliminar los ruidos estadísticos presentes en imágenes médicas como las radiografías, ya que los detalles más pequeños de estas imágenes pueden ser decisivos para salvar la vida de un paciente que sufre una enfermedad o dolencia concreta.

Mejor descripción y personalización del producto

Siguiendo con el uso de los GAN para reconocer determinados patrones en el texto escrito, otra aplicación empresarial de esta tecnología es la mejora de las descripciones de productos y la personalización de la experiencia del cliente. Un ejemplo habitual en el mundo empresarial son los correos electrónicos personalizados que una empresa envía a sus millones de clientes, así como las notificaciones automáticas de cumpleaños que muchos usuarios de redes sociales reciben al utilizar sus cuentas el día de su cumpleaños. Debido al tamaño y el alcance de estos correos electrónicos y notificaciones, sería poco práctico que un trabajador escribiera estos mensajes manualmente, por lo que se pueden implementar GAN para ayudar a las empresas a atender a sus clientes de la forma más eficaz posible.

Aumento de datos

Independientemente de los métodos o algoritmos que se utilicen, todos los productos, sistemas o servicios tecnológicos que se creen a partir de modelos de aprendizaje automático dependerán de algún tipo de datos de entrenamiento. Hasta ahora, los desarrolladores de software también han sido capaces de entrenar GANs para generar nuevos datos alimentando datos existentes en la red, con el objetivo de crear un conjunto de datos en expansión sin tener que sacrificar la calidad de dichos datos. Además, estos métodos también pueden ayudar a ahorrar tiempo y dinero tanto a los desarrolladores de software como a los propietarios de empresas, ya que localizar y etiquetar manualmente la cantidad de datos necesarios para crear modelos de aprendizaje automático precisos puede ser una tarea costosa y ardua.

Arquitectura y diseño industrial

Las redes generativas adversariales también han tenido mucho éxito a la hora de ayudar a las empresas a crear imágenes tridimensionales para los nuevos productos y servicios que quieran implantar. Para ello, las GAN pueden entrenarse para generar modelos tridimensionales después de haber sido entrenadas con imágenes de modelos bidimensionales capturadas desde distintos ángulos y perspectivas. Volviendo a las realidades económicas de la gestión de un negocio, esta tecnología es muy beneficiosa para arquitectos y diseñadores industriales, ya que crear las estructuras físicas que estos respectivos edificios necesitan para funcionar suele ser prohibitivamente costoso, incluso antes de tener en cuenta otros factores atenuantes, como los materiales de construcción, entre otras cosas.

Las Redes Generativas Adversariales están cambiando realmente la forma en que los profesionales de todo tipo de industrias abordan los problemas con los que se pueden encontrar a la hora de alcanzar un determinado objetivo. Además, las capacidades de los modelos generativos también han permitido reducir los costes asociados a soluciones tecnológicas que ya han demostrado ser productivas, ya que crear un objeto en un espacio tridimensional o sintético casi siempre será más barato que crear el mismo objeto en el mundo físico. Del mismo modo, los desarrolladores de software seguirán descubriendo nuevas formas de aprovechar los GAN para crear nuevas soluciones empresariales.