El primer movimiento del equipo de superinteligencia
El equipo de superinteligencia recientemente establecido por Microsoft — un grupo interno encargado de desarrollar capacidades de AI más allá del rendimiento actual de los grandes modelos de lenguaje — ha entregado su primer producto: MAI-Image-2, un modelo de generación de texto a imagen que Microsoft está integrando en toda su suite de productos y poniendo a disposición de desarrolladores a través de su plataforma Azure AI mediante API.
El anuncio marca el debut de un resultado concreto de lo que ha sido una división somewhat misteriosa dentro de Microsoft — una que ha atraído talento significativo y recursos mientras la empresa se posiciona para lo que describe como la siguiente fase del desarrollo de AI. MAI-Image-2 entra en un mercado competitivo de generación de imágenes que ya incluye DALL-E 3 (que Microsoft licencia de OpenAI), Midjourney, Stable Diffusion e Imagen series de Google.
Qué es MAI-Image-2
MAI-Image-2 es un modelo generativo de texto a imagen — los usuarios ingresan una descripción de texto y el modelo produce una imagen correspondiente. La calidad, coherencia y flexibilidad estilística de tales salidas han mejorado dramáticamente en los últimos tres años, y el estado del arte ahora abarca imágenes fotorrealistas, estilos artísticos que van desde pintura al óleo hasta pixel art, y escenas compositivas complejas que eran imposibles de generar automáticamente hace solo unos años.
Microsoft no ha publicado especificaciones técnicas detalladas para MAI-Image-2, pero el despliegue del modelo en los productos de Microsoft sugiere que se integrará en herramientas como Microsoft Designer, Image Creator en Bing y potencialmente asistentes Copilot integrados en aplicaciones de Office. La disponibilidad de API indica que Microsoft también tiene la intención de competir por la adopción de desarrolladores — construyendo un pipeline de aplicaciones de terceros que usan MAI-Image-2 como su backend de generación.
Por qué Microsoft necesita su propio modelo
La capacidad principal actual de generación de imágenes de Microsoft proviene de su asociación con OpenAI, mediante DALL-E 3. Construir capacidades de generación propietarias ofrece a Microsoft varias ventajas: independencia de un socio cuyas prioridades pueden no siempre alinearse, costos más bajos por inferencia a escala, la capacidad de ajustar modelos para casos de uso específicos de Microsoft y el poder de negociación que viene con tener alternativas viables.
El mandato del equipo de superinteligencia es más amplio que la generación de imágenes — abarca investigación en futuras arquitecturas de AI que podrían eventualmente superar los modelos actuales basados en transformers. Pero lanzar un producto señala que el equipo está operando en cronogramas de productos prácticos en lugar de horizontes puramente de investigación, lo que cambia cómo el resto de la industria de AI debe pensar sobre las capacidades internas de Microsoft.
El panorama competitivo
La ventaja de Microsoft es la distribución: el ecosistema de Office alcanza a cientos de millones de usuarios, e integrar generación de imágenes directamente en Word, PowerPoint y Teams crea un punto de entrada accesible que no requiere que los usuarios busquen un servicio de generación de imágenes independiente. Si MAI-Image-2 funciona competitivamente con el estado actual del arte, la ventaja de distribución podría importar más que cualquier diferenciación técnica.
La significancia más amplia de MAI-Image-2 puede ser menos sobre la capacidad específica y más sobre lo que señala: que Microsoft está invirtiendo en desarrollo de capacidades de AI que no se enrutan a través de OpenAI, y que el trabajo del equipo de superinteligencia ahora está produciendo entregables visibles para el mundo exterior.
Este artículo se basa en reportes de The Decoder. Lee el artículo original.
Originally published on the-decoder.com