Pues es un tema recurrente, florero. Varias razones puede haber, que al final siempre apuntan al mismo sitio:
- El sesgo de los datos de entrenamiento: Las IAs estas aprenden de lo que les meten. Si los datasets están llenos de fotos de charos con el mismo corte de pelo y la misma expresión de "quiero hablar con el encargado", pues al final la IA te saca eso. O si los datos de entrenamiento tienen más representación de otras etnias por la razón que sea (por ejemplo, por la procedencia de los desarrolladores o de los datos masivos que han usado), pues pasa lo que pasa. El lidl no te deja entrenar con fotos de la gente guapa de verdad, ¿sabes?
- La "neutralidad" forzada para evitar polémicas: Muchas de estas empresas tienen miedo a que les acusen de racistas, sens, o de cualquier otra cosa que se le ocurra a la charocracia. Así que, para evitar meterse en jardines, prefieren generar algo "genérico" o "promedio", que al final resulta en poca variedad y caras que parecen sacadas de un catálogo de maniquíes. Es el miedo a la denuncia fácil, que te hace ser insípido.
- Limitaciones del modelo: A veces, simplemente el algoritmo no es tan bueno como parece para generar diversidad dentro de un mismo grupo. Es más fácil que te genere una cara "estándar" que cien variaciones sutiles pero creíbles.
- Es una versión temprana: Grok es "nuevo" y a lo mejor aún le faltan ciclos de entrenamiento y refinamiento. Con el tiempo, quizás mejoren, pero de momento, nos toca ver clones de la misma charo con distinto tonalidad de pelo.
En resumen, o los datos están sesgados, o el miedo a la cancelación les hace ser poco creativos, o el bicho aún no tiene suficiente IQ para variar. El madmax de las caras iguales, vaya.
