49 · Proyecto final: comparando las familias
AE, VAE, GAN, difusión, autoregresivo — cinco familias generativas, cinco conjuntos de compromisos en calidad, diversidad, velocidad, estabilidad y verosimilitud. No hay un único ganador; elegir el correcto es la habilidad que te da este track.
No hay un único mejor modelo generativo: autoencoder, VAE, GAN, difusión y autoregresivo intercambian de forma distinta la calidad de muestra, la diversidad, la velocidad de muestreo, la estabilidad de entrenamiento y la verosimilitud — así que la habilidad es emparejar la familia con el trabajo.
Sin esto:
Saber QUÉ modelo generativo usar — y poder medir qué tan bueno es un generador — es lo que convierte cinco lecciones separadas en un mapa mental usable de la IA generativa.
Ahora has conocido cinco familias generativas. Este proyecto final las pone lado a lado para que puedas elegir la herramienta correcta — porque no hay un único ganador, solo distintos compromisos.
- Autoencoder (AE). No es realmente un generador: reconstruye a través de un cuello de botella. Excelente para compresión, denoising y detección de anomalías, pero su espacio latente tiene agujeros, así que no puedes muestrear datos nuevos limpiamente.
- VAE. Un generador de verdad con un espacio latente suave y muestreable y entrenamiento estable (una verosimilitud explícita vía el ELBO). El precio son muestras borrosas, porque su objetivo de promediado se cubre.
- GAN. Muestras asombrosamente nítidas de un juego adversario — pero entrenamiento inestable, propenso al colapso de modos (baja diversidad) y sin verosimilitud que evaluar.
- Difusión. Alta calidad Y entrenamiento estable mediante denoising iterado — el estado del arte actual para imágenes. El truco es el muestreo lento (muchos pasos reverse), aunque la destilación y mejores samplers siguen reduciéndolo.
- Autoregresivo (estilo GPT). Genera un token/píxel a la vez, condicionando sobre todas las salidas anteriores. Da verosimilitud exacta y domina texto/secuencias, pero el muestreo es secuencial (un paso por elemento) y por eso puede ser lento para salidas largas.
Ponlas en cinco ejes — calidad de muestra, diversidad, velocidad de muestreo, estabilidad de entrenamiento, verosimilitud — y ninguna fila gana en todas las columnas. Los VAEs son estables pero borrosos; las GANs nítidas pero inestables; la difusión de alta calidad pero lenta; la autoregresiva da verosimilitud exacta pero muestrea secuencialmente. La ingeniería es elegir el compromiso que encaja con el trabajo.
Para comparar generadores necesitas una métrica. El estándar para imágenes es la FID (Fréchet Inception Distance): incrusta imágenes reales y generadas con una red Inception, ajusta una gaussiana a cada conjunto de características, y mide la distancia de Fréchet entre las dos gaussianas — menor es mejor (más cerca de la distribución real). La celda de abajo construye una versión de juguete en 1-D para que la fórmula sea concreta, y luego la tabla para leer convierte todo esto en una guía práctica de decisión de "¿qué modelo debería usar?".
Python (in browser)
Python runs entirely in your browser via Pyodide (~6 MB on first Run, cached after).
Una tabla de decisión que mapea objetivos a familias: nítido+rápido → GAN; estable de alta calidad → difusión; latente suave/reconstrucción → VAE; texto con verosimilitud exacta → autoregresivo/LLM; compresión/detección de anomalías → autoencoder.
¿Qué familia generativa es conocida por muestras nítidas pero entrenamiento adversario inestable y sin verosimilitud explícita?
- Cinco familias generativas se compensan de forma distinta: AE (comprimir/denoise, no generador), VAE (estable, muestreable, borroso), GAN (nítido, inestable, sin verosimilitud), difusión (alta calidad, estable, lento), autoregresivo (verosimilitud exacta, secuencial).
- No hay un único ganador en calidad, diversidad, velocidad de muestreo, estabilidad de entrenamiento y verosimilitud — emparejar la familia con el trabajo es la habilidad central.
- La FID (Fréchet Inception Distance) mide la calidad del generador como la distancia de Fréchet entre gaussianas ajustadas a las características de Inception de imágenes reales vs generadas — menor es mejor.
Cada decisión de IA generativa empieza aquí: una startup eligiendo difusión para imágenes de producto, un equipo de investigación reportando FID, un ingeniero usando un VAE para detección de anomalías o un LLM para texto — todos los sistemas de frontera de hoy (Stable Diffusion, GPT, Claude) son estas familias compuestas.
Si lo quitas: Conocerías cinco modelos generativos por separado pero no podrías elegir entre ellos ni medirlos — perdiéndote el mapa mental que conecta el perceptrón de la lección 1 con cada sistema generativo moderno.