Espacio latenteLatent Space

El lugar es, en sí mismo, la propiedad

Un modelo no trabaja directamente con una foto o una frase tal cual. Primero las reduce a un grupo corto de números. Ese grupo de números corresponde a un lugar dentro del cajón, y el conjunto de todos los lugares posibles que puede ocupar un valor comprimido es el espacio latente.

Cada lugar lleva pegados varios números. A diferencia de un cajón con solo dos direcciones, aquí hay de decenas a cientos de direcciones. Es difícil imaginarlo en la cabeza, pero medir la distancia entre dos lugares o moverse siguiendo una dirección se puede hacer igual.

Lo importante es que estos lugares no están tirados al azar. Repetir el ejercicio de comprimir hace que los datos parecidos terminen ubicados cerca, porque ordenarlos así conviene a la hora de reconstruir.

Lo cercano se parece, lo lejano es distinto

Fotos del mismo tipo terminan en lugares vecinos. No porque los píxeles se parezcan, sino porque se parece la propiedad que el modelo consideró importante. Puede pasar que el fondo sea completamente distinto y aun así queden cerca, si el objeto fotografiado es el mismo.

Esta propiedad se usa para buscar. Se reduce el dato que se busca de la misma forma para hallar su lugar, y se sacan los que están cerca de ahí. Se puede encontrar algo con una propiedad parecida aunque el nombre o el texto no coincida en nada.

Las direcciones también adquieren sentido

Cuando los lugares quedan ordenados, las direcciones también empiezan a seguir una regla. Moverse un poco en cierta dirección aclara el resultado; moverse en otra, lo hace parecer mayor. Por eso se vuelve posible cambiar una sola propiedad a la vez.

Eso sí, estas direcciones no las definió nadie de antemano. Se encuentran después de que el entrenamiento terminó, moviéndose de un lado a otro por prueba, así que no vienen separadas en compartimentos limpios. Es común que, al intentar cambiar el brillo, el fondo también cambie sin querer.

Tomar un punto intermedio da un resultado intermedio

Si se toman las posiciones de dos datos y se camina entre ellas a intervalos regulares, generando algo en cada paso, aparecen escenas que van cambiando poco a poco de una a otra. No es lo mismo que superponer dos imágenes y mezclarlas de forma borrosa: el resultado de cada punto intermedio es, por sí solo, algo completo.

Para que esta caminata funcione bien, hace falta que el espacio entre posiciones esté bien relleno. Si cada dato deja solo un punto suelto y el resto queda vacío, en el medio sale algo irreconocible. Por eso surgieron los métodos que guardan cada dato como un rango en vez de como un punto.

Fuera de la zona, no hay nada

Que el espacio latente sea amplio no significa que cualquier lugar sirva. Hay una zona donde se acomodaron los datos de entrenamiento, y fuera de esa zona no se practicó nunca. Sacar un valor de ahí afuera da un resultado deformado o sin ningún sentido.

Es como poner un objeto en el piso vacío, fuera de las divisiones del cajón. El lugar existe, pero nadie definió jamás qué significa. Por eso, al generar algo nuevo, no se saca cualquier valor al azar: se saca de cerca de la zona donde se juntan los datos de entrenamiento.