InterPositive y la IA aprobada por cineastas

La adquisición de InterPositive, la empresa de Ben Affleck, por Netflix llegó acompañada de un relato extraordinariamente conveniente sobre la inteligencia artificial. La habían construido cineastas, la controlarían cineastas y protegería el criterio creativo que otras empresas de IA supuestamente no entendían.

Un actor y director respetado llevaba la IA a Hollywood en los términos de Hollywood.

Entiendo por qué Netflix quería ese relato. Me convence menos que la explicación técnica sostenga todo lo que el relato nos invita a creer.

Construyo herramientas de IA para vídeo. Cuando Affleck habla de comprensión cinematográfica, datos propios y adaptación de modelos, quiero saber qué cambió en el sistema. Sus explicaciones contienen suficiente ingeniería para sonar concretas, pero las distinciones importantes se siguen escapando.

El modelo base ya está ahí

En el fragmento de entrevista publicado por Bloomberg, Affleck describe explícitamente tomar modelos de vídeo abiertos existentes y continuar su entrenamiento. Dice que habían aprendido de vídeos de internet y que su equipo les enseñó a cumplir estándares cinematográficos.

El punto de partida, por tanto, no es una inteligencia creada enteramente a partir de material grabado por su equipo. Es un modelo existente, con capacidades existentes adquiridas en un entrenamiento anterior.

Eso importa porque el argumento de los datos propios hace un trabajo ético además de técnico. Da la impresión de que este sistema evita la incómoda dependencia del trabajo creativo ajeno asociada a los modelos generales de vídeo.

El entrenamiento adicional no demuestra eso.

Grabar tu propio material establece algo sobre lo que has añadido. No establece la procedencia de los datos del modelo base ni elimina las capacidades aprendidas de ellos. Si la preocupación es que un sistema aprendiera de actores y cineastas sin su consentimiento, la pregunta pertinente incluye lo que aprendió antes de que InterPositive empezara a adaptarlo.

Los pesos abiertos permiten trabajar con un modelo. No son un certificado de que todos los representados en sus datos de entrenamiento consintieran.

Ese es el vacío que quería ver abordado. Explicar cómo se reanuda el entrenamiento no lo aborda.

¿Qué se volvió cinematográfico?

Adaptar un modelo existente no tiene nada de intrínsecamente poco impresionante. Un conjunto de datos deliberado y un buen entrenamiento pueden producir una especialización útil. Pero «comprensión cinematográfica» agrupa varias capacidades cuya relación hay que demostrar.

¿El modelo conserva la interpretación de un actor al cambiar el fondo? ¿Mantiene la iluminación a lo largo de un plano? ¿Reconoce por qué funciona un corte? ¿Entiende instrucciones expresadas en terminología cinematográfica? ¿Produce una imagen más controlable?

Son tareas distintas. Mejorar una no demuestra las demás.

También encuentro demasiado conveniente la sugerencia de que la experiencia cinematográfica llega como una última capa. El modelo ya aprendió relaciones visuales del material usado para entrenarlo. InterPositive puede mejorar algunas, añadir controles o hacer más fiables ciertas operaciones. ¿Cuáles?

La descripción debería permitir contestar sin tomar prestada la autoridad de la palabra cine.

Saber cómo llaman los directores a algo no es lo mismo que hacerlo bien. Tampoco lo es haber sido entrenado por un director.

El software útil no es una nueva clase de inteligencia

Un flujo de producción puede ser un logro considerable. Conectar modelos con herramientas de edición, mantener referencias al material original, hacer reversibles los cambios y dar a los artistas controles que realmente puedan usar son problemas difíciles.

No tengo ninguna objeción a construir eso sobre investigación existente. Buena parte del software útil se construye así.

Lo que me molesta es la inflación del logro. Si el producto es un flujo bien diseñado alrededor de modelos adaptados, explica el flujo. Si la adaptación mejora los resultados, muestra la mejora. No necesitamos fingir que nadie fuera de Hollywood tenía la comprensión crucial de las imágenes hasta que un cineasta la aportó.

Tampoco un producto especializado supera automáticamente a un modelo general conectado a buenas herramientas. La especialización es un método, no un resultado.

La comparación tiene que incluir lo que las alternativas pueden hacer realmente. Un sistema multimodal no es solo un asistente de texto que conoce terminología de cámaras. Un sistema de generación de vídeo no se vuelve incapaz de corregir imágenes porque se haya entrenado para tareas más amplias. Un modelo adaptado más pequeño podría superarlo en una operación concreta. Eso hay que demostrarlo; la categoría del producto no lo establece.

¿Proteger a quién?

El lenguaje sobre proteger a los artistas merece su propio escrutinio.

Conservar el control creativo en manos de un director puede ser valioso. No nos dice qué les ocurre a las personas cuyo trabajo ese director puede completar ahora con menos horas remuneradas. Más control para un artista y menos trabajo para otro pueden suceder en la misma producción.

Eso no hace mala a la herramienta. Hace de «proteger a los artistas» una explicación incompleta de sus consecuencias.

¿Qué artistas? ¿Protegidos de qué? ¿Quién recibe el ahorro? ¿Qué ocurre con el consentimiento, la remuneración y el poder de negociación cuando automatizar una tarea se abarata?

Un cineasta puede preocuparse sinceramente por la industria y vender tecnología que cambia el reparto del trabajo en ella. La sinceridad no resuelve el reparto.

La entrevista de Affleck en GQ explicita la preferencia institucional: quería desarrollar la tecnología dentro del cine y consideraba importante la posición de Netflix dentro de esa industria. Eso es una decisión empresarial además de una postura ética. Coloca la tecnología en manos de un comprador y distribuidor establecido de trabajo creativo.

Que un estudio conozca ese trabajo no hace sus intereses idénticos a los de todos los que emplea.

Lo que compró Netflix

Mi opinión es que la credibilidad de Affleck constituye una parte considerable del valor del producto y que el discurso público la usa para sostener afirmaciones que la explicación técnica no ha demostrado.

Puede conseguir la reunión. Puede reconocer problemas de producción. Puede hacer que adoptar IA parezca menos una intervención desde fuera de la profesión. Netflix gana una herramienta, un equipo y una persona extraordinariamente eficaz para explicar por qué la herramienta pertenece allí.

Es una ventaja comercial seria. No debería confundirse con una ventaja técnica defendible y demostrada.

Llamar a la adquisición únicamente una operación de relaciones públicas iría más allá de lo que permite la evidencia. Sin embargo, decir que la tecnología está aprobada por cineastas no basta ni de lejos para demostrar que es mejor, éticamente más limpia o protectora de las personas cuyo trabajo cambia.

El valor de relaciones públicas es fácilmente visible. El valor técnico comparativo sigue siendo mucho más difícil de inspeccionar.

Ese desequilibrio es lo que me irrita del discurso. Las explicaciones se expanden en torno a la creatividad humana y se vuelven extrañamente imprecisas en torno al modelo.

Querría ver el mismo plano difícil trabajado con InterPositive y con un flujo alternativo competente. Conserva la interpretación. Cambia el fondo. Mantén la iluminación y el detalle coherentes. Muestra los intentos fallidos, los controles y lo que el artista todavía tuvo que reparar.

Eso me diría más que otra garantía de que la tecnología la construyó gente que ama el cine.

Affleck ha explicado cómo su equipo continuó entrenando un modelo y construyó un producto a su alrededor. No ha mostrado, en esas explicaciones, que la adaptación establezca la separación ética o la competencia cinematográfica especial que se venden junto a él.

No son detalles menores. Son buena parte del discurso comercial.