William Wu, Fundador y CEO de Artisse – Serie de Entrevistas

William Wu, Fundador y CEO de Artisse - Entrevistas

William Wu es el Fundador y CEO de Artisse, una tecnología que permite realizar cambios precisos en las fotos basados en las preferencias del usuario. Está diseñada específicamente para autorretratos realistas, permitiendo a los usuarios generar fotos ilimitadas de sí mismos en cualquier entorno, postura, ropa, peinado o expresión facial.

A diferencia de otros gigantes de la industria, Artisse es una operación orgullosamente independiente y construida desde cero con un equipo altamente diverso. Tiene una fuerte presencia femenina en todo el equipo, incluyendo un equipo completamente femenino en China.

Tienes experiencia en finanzas. ¿Cómo hiciste la transición inicial al blockchain y los videojuegos?

Pasé la mayor parte de mi carrera en situaciones especiales, lo que implicaba estar a la vanguardia de las tendencias emergentes y aprovechar oportunidades transformadoras cuando las veía para crear valor en un corto período de tiempo. Los videojuegos basados en blockchain se presentaron como un marco revolucionario para crear ecosistemas seguros y transparentes, con un potencial más allá de las criptomonedas. Sin embargo, había una oportunidad porque las compañías de videojuegos tradicionales carecían de conocimientos en blockchain, mientras que las compañías de blockchain no tenían el conocimiento en desarrollo de videojuegos tradicionales. Vi la oportunidad de unir ambos mundos encontrando juegos tradicionales de alta calidad que no habían tenido éxito en la industria de los videojuegos tradicionales y ayudándolos a hacer la transición a los videojuegos basados en blockchain.

¿Puedes hablar sobre cuándo la inteligencia artificial llamó tu atención?

Comenzamos a implementar la inteligencia artificial el año pasado en uno de nuestros proyectos, que fue una empresa conjunta con una agencia de Kpop para crear un ídolo virtual en el metaverso. Inicialmente, la inteligencia artificial se trataba principalmente de aumentar la eficiencia en toda la empresa. Pero rápidamente nos dimos cuenta de que podíamos crear imágenes súper realistas de nuestro ídolo virtual. Tenía sentido para nosotros utilizar la misma tecnología en la fotografía de consumo y en las industrias publicitarias, donde hay una gran demanda de imágenes fotorrealistas de personas.

¿Puedes compartir la historia detrás de la creación de Artisse?

Al igual que muchas otras personas, he pasado gran parte de mi vida en las redes sociales, desde Myspace hasta Facebook, Instagram y ahora Tik Tok. Lo que he aprendido es que la moneda social es una de las cosas más importantes para los jóvenes, a menudo incluso más importante que el dinero en sí. Siempre he observado que gran parte de la moneda social se determina por tus publicaciones, en particular, la cantidad y la calidad de ellas. Tomar fotos es extremadamente tedioso, especialmente si eres un profesional ocupado como yo y si tienes un alto estándar de calidad para las fotos. Pero si no tienes fotos, tendrás una presencia limitada en las redes sociales y limitarás tu círculo de amigos. Siempre he tenido dificultades para actualizar mi perfil, y cuando logramos desarrollar la tecnología, fue muy obvio convertirla en una aplicación para consumidores.

Artisse es un poco diferente a los generadores de imágenes promedio, ¿puedes explicar cómo logra personalizar los autorretratos en imágenes de alta calidad?

Nuestro enfoque principal fue asegurarnos de que las fotos generadas por Artisse fueran indistinguibles de las imágenes reales. Hemos diseñado minuciosamente el software para proporcionar a los usuarios una amplia gama de opciones de personalización, lo que les permite crear cualquier foto deseada en cualquier entorno o escenario. También hemos enfatizado la facilidad de uso para el usuario, asegurándonos de que incluso un joven promedio de 20 años encuentre la aplicación intuitiva y atractiva.

Anteriormente has afirmado que las sesiones de fotos tradicionales pronto serán cosa del pasado. ¿Cuál es tu visión sobre cómo se utilizará esta tecnología en el futuro?

Aunque los autorretratos son solo la punta del iceberg, veo a Artisse revolucionando ámbitos profesionales como el modelaje, la publicidad y el periodismo. Al democratizar el acceso a imágenes de alta calidad, estamos empoderando a pequeñas empresas y creadores individuales, permitiéndoles tejer narrativas visuales convincentes sin asumir la carga financiera de las sesiones de fotos convencionales.

Has descrito la tecnología como similar al episodio uno de la sexta temporada de Black Mirror. ¿Qué tan cerca estamos de tener videos generados por IA que sean tan realistas?

Los avances en videos generados por IA han sido fenomenales. Es probable que estemos a menos de un año de lograr videos que sean casi indistinguibles de la realidad. Los desarrollos recientes ya nos han llevado alrededor del 80% de este objetivo, aunque el alcance de estos videos sigue siendo algo limitado. Sin embargo, a medida que avanzamos en este camino, las consideraciones éticas y las salvaguardias contra posibles abusos se vuelven fundamentales.

Con tu experiencia en videojuegos, ¿cuál es tu visión sobre cómo se incorporará la IA generativa en los videojuegos en el futuro?

La IA generativa promete un panorama de juegos en el que cada aspecto, desde los entornos y personajes hasta las narrativas en evolución, se adapte en tiempo real a las acciones del jugador, ofreciendo una experiencia verdaderamente personalizada. Además, imagina el atractivo de un juego en el que unas pocas instantáneas de un jugador puedan renderizar al instante su avatar en el juego para que refleje su verdadero yo. Esta combinación de realismo y personalización es el futuro.

Tienes un equipo muy diverso, incluyendo un equipo exclusivamente femenino en China. ¿Podrías hablar sobre la importancia de la diversidad para prevenir sesgos en la IA?

La diversidad es esencial para la IA porque la tecnología a menudo refleja los sesgos de sus creadores. Un equipo diverso aporta perspectivas variadas, asegurando que nuestros modelos se entrenen con conjuntos de datos inclusivos. Nuestro equipo exclusivamente femenino en China, por ejemplo, aporta conocimientos invaluables que previenen los sesgos de género, asegurando que las salidas de Artisse sean universalmente resonantes.

¿Hay algo más que te gustaría compartir sobre Artisse?

Más allá de nuestras aplicaciones actuales, estamos emocionados por las posibilidades futuras de integrar la tecnología de Artisse en diversas industrias. Nuestra misión es combinar la creatividad con la tecnología, y apenas estamos comenzando este increíble viaje.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deben visitar Artisse.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Un derrame le robó la capacidad de hablar a los 30 años. La IA está ayudando a restaurarla años después.

La actividad cerebral de una mujer paralizada se está traduciendo en palabras habladas por un avatar. Este hito podrí...

Inteligencia Artificial

Detecta cualquier cosa que desees con UniDetector

El aprendizaje profundo y la IA han avanzado notablemente en los últimos años, especialmente en los modelos de detecc...

Inteligencia Artificial

Los efectos de ChatGPT en las escuelas y por qué está siendo prohibido.

Muchas escuelas están prohibiendo ChatGPT debido a preocupaciones de plagio, precisión y privacidad. Sin embargo, el ...

Inteligencia Artificial

Una introducción amable a las Redes Neuronales Dirigibles (parte 2)

El primer artículo ofrece una introducción accesible...

Inteligencia Artificial

Los robots de IA podrían desempeñar un papel futuro como compañeros en hogares de cuidado

Los robots sociales impulsados por inteligencia artificial podrían ayudar a cuidar a los enfermos y ancianos en el fu...

Inteligencia Artificial

Un nuevo estudio de investigación de IA de DeepMind propone dos codificaciones posicionales direccionales y estructurales para grafos dirigidos

Los modelos Transformer han ganado mucha popularidad recientemente. Estos modelos de redes neuronales siguen las rela...