¿Por qué los pelícanos de los LLM se ven así?
Un prompt viral que pide a modelos de IA “generar un SVG de un pelícano montando una bicicleta” se ha convertido en un benchmark informal de cuán similarmente responden los grandes modelos de lenguaje a tareas creativas poco especificadas. Los comentaristas señalan que la mayoría de los sistemas ahora producen escenas casi idénticas y genéricas —la misma vista lateral, el mismo cielo soleado, los mismos accesorios— y ven esto como evidencia de “colapso de modos” impulsado por datos de entrenamiento compartidos y técnicas de alineación posteriores al entrenamiento. Algunos celebran esta conformidad para usos prácticos como programación y gráficos empresariales, mientras que otros temen que aplaste la innovación, refuerce clichés y muestre por qué el gusto y la dirección humanos siguen siendo críticos en la creación asistida por IA.
Prompt, Benchmark del Pelícano y “Colapso de la Diversidad”
- Muchos señalan que distintos modelos ofrecen SVGs sorprendentemente similares para “un pelícano montando una bicicleta”: vista lateral, movimiento de izquierda a derecha, cielo soleado, nubes, carretera/cesped genéricos, bufanda/casco, líneas de movimiento.
- Algunos ven esto como evidencia de un “colapso de la diversidad de los LLM”, donde los modelos convergen en la misma salida centroide para prompts poco especificados.
- Otros sostienen que esto es esperable e incluso deseable: dado un pedido vago, el modelo debería elegir la escena más estadísticamente típica y reconocible.
Creatividad vs. Predictibilidad
- Un bando quiere que los modelos sean más imaginativos por defecto; de lo contrario, el diseño, el código y la escritura generados por IA convergen todos en una misma monotonía y pueden sofocar la innovación.
- Otro bando prefiere la predictibilidad: un prompt simple debería dar un resultado genérico y mínimamente sorprendente (como un PB&J estándar o un icono neutro de portátil), no una reinterpretación salvaje.
- Varios comentaristas subrayan que los resultados interesantes requieren prompts más ricos y dirección iterativa; “genérico dentro ⇒ genérico fuera”.
Papel del Entrenamiento, RLHF y los Datos Sintéticos
- Debate sobre si los LLM pueden entrenarse únicamente con datos generados por LLM; trabajos enlazados sugieren una fuerte dependencia de datos humanos “semilla” más aumento sintético, con curación humana continua.
- Algunos afirman que el RLHF/la alineación y el posentrenamiento comprimen la diversidad, empujando a los modelos hacia un único estilo; se dice que los modelos base son más variados, pero menos “seguros” y más propensos a alucinaciones.
- Existe preocupación de que el aumento de datos sintéticos y de los bucles de alineación estreche aún más el espacio de salida entre modelos.
Comparaciones con Humanos y Convergencia de Estilo
- Comparaciones con niños dibujando casas o escenas genéricas: los humanos también recaen en clichés, pero los grupos humanos siguen mostrando más variación que los modelos actuales ante el prompt del pelícano.
- Sesgos señalados: movimiento de izquierda a derecha, estilo SVG tipo icono, tópicos comunes (pez en una cesta, costa, bufandas) reflejan patrones de los datos de entrenamiento y de la cultura en general.
- Se observa una “misma cosa” similar en logotipos corporativos, interfaces y diseño de interiores; algunos ven a los LLM como amplificadores de la convergencia ya existente en el mundo real.
Casos de Uso y Herramientas
- Para el código, el colapso de modos se considera una característica: implementaciones consistentes, “aburridas” y patrones estándar son deseables.
- Para el arte y el diseño, la uniformidad es un fallo; las mitigaciones sugeridas incluyen: mejores prompts, herramientas externas de aleatoriedad/lluvia de ideas, configuraciones mult मॉडल, y críticos con intervención humana para orientar el estilo.