Google DeepMind impulsa o uso da IA no mundo da animación

O uso da intelixencia artificial xenerativa provoca un grande rexeitamento por boa parte do colectivo artístico, por ameazar o seu traballo e ser produto dun adestramento carente de ética (pois consideran que o material empregado no adestramento foi roubado), de aí que sexa bastante interesante comprobar a aceptación que terá a curtametraxe Dear Upstairs Neighbors, presentada estes días no festival de Sundance.
A obra, impulsada por Google DeepMind e un equipo de profesionais da animación con experiencia en Pixar e outros estudios de referencia, explora como a xeración de vídeo mediante IA pode integrarse nun proceso creativo sen substituír a mirada artística humana.
A historia segue a Ada, unha moza incapaz de durmir polos ruídos dos seus veciños do piso superior. A medida que a súa imaxinación se desborda, a narración transita da realidade ao delirio, dando pé a escenas expresionistas que serían extremadamente complexas de producir con técnicas tradicionais. A directora Connie He baseouse en experiencias persoais e desenvolveu un storyboard con deseños angulosos, pinturas inspiradas no expresionismo abstracto e unha sucesión de alucinacións visuais que esixían un control creativo moi fino.
Para manter esa visión artística, o equipo tivo que crear capacidades de IA completamente novas. Desenvolvéronse versións personalizadas dos modelos Veo e Imagen, adestradas especificamente coas pinturas e deseños do equipo artístico. Isto permitiu que as xeracións mantivesen coherencia estética e fidelidade aos personaxes, algo que os modelos estándar non podían garantir.
Outro dos avances clave foi o uso de fluxos video‑to‑video, que permiten aos animadores transmitir intencións mediante bosquexos ou animacións preliminares. A IA transformaba ese material en secuencias estilizadas, respectando o movemento e o ritmo definidos polos artistas. Esta aproximación evitou depender unicamente de prompts textuais, insuficientes para capturar matices como a comicidade dun xesto ou o tempo exacto dun corte de cámara.
O proceso non foi automático nin inmediato. Cada plano pasou por múltiples iteracións, con ferramentas que permitían editar zonas concretas dun vídeo sen rexeneralo por completo. A combinación de técnicas tradicionais e modelos de IA deu lugar a un fluxo de traballo híbrido no que artistas e investigadores colaboraron diariamente, afinando tanto a tecnoloxía como a linguaxe visual do filme.
Segundo DeepMind, o proxecto representa unha nova fronteira creativa onde cineastas e IA traballan man a man, non como substitutos senón como socios tecnolóxicos que amplían as posibilidades expresivas.