Imagina un mundo donde la inteligencia artificial no solo reconoce una puesta de sol, sino que la crea desde la nada. Este es el cambio de paradigma desde modelos discriminativos—que se centran en calcular la probabilidad $p(output|input)$ para etiquetar datos existentes—hacia el amplio ámbito de la IA Generativa. Estamos avanzando más allá del trazado de fronteras del pasado hacia el modelado de la propia distribución subyacente de los datos.

Definiendo el Paisaje Arquitectónico

Nuestra taxonomía está dominada por tres estrategias matemáticas distintas, cada una con fortalezas únicas para síntesis multimodal y síntesis de imágenes:

• Redes Generativas Adversariales (GANs): Un duelo de alto riesgo entre dos redes neuronales—el generador (el falso) y el discriminador (el detective). Esta interacción adversarial obliga al generador a crear contenido cada vez más indistinguible.
• Modelos de Difusión: Un proceso de encontrar orden dentro del caos. Estos modelos aprenden mediante añadir y eliminar ruido de forma iterativa de los datos, logrando finalmente dominar la capacidad de moldear representaciones sólidas a partir de estáticos puros.
• Transformadores Autoregresivos: Los arquitectos de la secuencia. Modelos como el Transformador Preentrenado Generativo (GPT) operan mediante predecir el siguiente token basándose en el contexto de todo lo anterior, creando narrativas y estructuras coherentes de largo alcance.