The phrase «resistance to AI is futile» is often used in a playful or humorous context, drawing a reference to the famous line «Resistance is futile» from the science fiction series «Star Trek,» spoken by the Borg, a technologically advanced and assimilating civilization. However, in the context of AI, it is essential to clarify that resistance to AI is not futile, nor is it necessarily undesirable.
AI, as a transformative technology, is rapidly advancing and integrating into various aspects of our lives, from everyday applications to complex industries. There are both proponents and skeptics of AI, and discussions around its impact on society, ethics, and employment are ongoing.
Some reasons why people might consider resistance to AI difficult include:
Pervasive Integration: AI is already integrated into numerous technologies and services. Its application is becoming increasingly widespread and deeply embedded in many industries, making it challenging to avoid its presence.
Technological Advancement: AI technologies continue to evolve and improve, enhancing their capabilities and potential benefits in various fields.
Economic and Industrial Advantages: AI adoption can provide significant advantages in productivity, efficiency, and innovation for businesses and industries.
Automation and Labor Displacement: AI has the potential to automate certain tasks, leading to concerns about job displacement in certain sectors.
Policy and Regulation Challenges: Formulating appropriate policies and regulations to govern AI’s ethical use and potential risks is complex and requires careful consideration.
However, it is essential to acknowledge that resistance, skepticism, and critical evaluation are vital elements of technological progress. Responsible development and deployment of AI require addressing potential challenges and ensuring that the technology benefits society as a whole.
Image created with Dall-e by Julio Mayol
As with any transformative technology, embracing AI should be a thoughtful and well-informed process, considering its implications on privacy, security, ethics, and equitable distribution of benefits. Encouraging open discussions, ethical considerations, and collaboration among stakeholders can help shape AI’s future in a manner that aligns with societal values and aspirations. Thus, while resistance might face challenges, active participation and critical engagement remain important aspects of AI’s integration into our lives.
The same prompt, three different responses from three different Large Languages Models (LLM) that are easily available: ChatGPT, BingGPT and Bard.
Human large language models
Prompt: How are ChatGPT, BingGPT and Bard different?
ChatGPT
ChatGPT, BingGPT, and Bard are three distinct language models developed by OpenAI, and GooogleAI, each with its own characteristics and intended applications. Here are the key differences between them:
Purpose and training data:
ChatGPT: ChatGPT is designed to engage in conversation with users and provide useful responses across a wide range of topics. It has been trained on a mixture of licensed data, data created by human trainers, and publicly available text from the internet.
BingGPT: BingGPT is a language model developed specifically to assist with search-related tasks. It has been trained using a diverse range of internet text, including web pages, search queries, and search result pages.
Bard: Bard is a language model trained to generate poetic text. It focuses on mimicking different poetic styles, structures, and themes. It has been trained on a curated dataset of high-quality poetry from diverse sources.
Output style and focus:
ChatGPT: ChatGPT aims to provide informative and practical responses in a conversational manner. It is designed to generate text that is helpful, engaging, and contextually relevant.
BingGPT: BingGPT is tailored for search-related tasks and is intended to generate responses that assist users in finding information or performing specific search-related functions.
Bard: Bard is specifically trained to generate poetic text, with a focus on creating expressive, aesthetic, and emotionally evocative poetry.
Use cases:
ChatGPT: ChatGPT can be used in various applications involving interactive dialogue, such as chatbots, virtual assistants, and customer support systems. It is suitable for providing conversational responses to user queries.
BingGPT: BingGPT is primarily designed to enhance search experiences by providing more accurate and contextually relevant search results, assisting with search queries, or generating snippets for search results.
Bard: Bard can be used in applications related to creative writing, poetry generation, and artistic expression. It can assist poets, writers, and artists in generating poetic text or serve as a source of inspiration.
These models have different focuses and are trained on different datasets, enabling them to serve distinct purposes. It’s important to consider these differences when choosing the most appropriate model for a specific use case or application.
BingGPT
ChatGPT, BingGPT and Bard are three different models of natural language generation (NLG) that have been developed by OpenAI, Microsoft Research and GoogleAI, respectively. NLG is the task of generating natural language text from some input, such as keywords, images, or structured data. Each of these models has its own strengths and limitations, and they are designed for different purposes and scenarios.
ChatGPT is a model that specializes in conversational text generation. It can generate realistic and engaging dialogues between two or more agents, such as humans or chatbots. ChatGPT is based on the GPT-3 architecture, which uses a large-scale neural network to learn from a massive corpus of text data. ChatGPT can handle various topics, languages, and styles of conversation, and it can also generate creative content such as jokes, stories, or poems.
BingGPT is a model that focuses on web search and information retrieval. It can generate relevant and informative responses to user queries, such as facts, summaries, definitions, or suggestions. BingGPT is also based on the GPT-3 architecture, but it has been fine-tuned on a large collection of web documents and search results. BingGPT can leverage the rich information available on the web to provide comprehensive and accurate answers to user questions.
Bard is a model that excels in generating artistic and literary text. It can generate original and diverse content such as lyrics, essays, speeches, or novels. Bard is based on the Transformer-XL architecture, which uses a recurrent neural network to capture long-term dependencies and coherence in text. Bard can learn from various sources of text data, such as books, articles, or social media posts, and it can generate text with different genres, themes, and emotions.
Bard
ChatGPT, BingGPT, and Bard are all large language models (LLMs) that have been trained on massive datasets of text and code. They can all generate text, translate languages, write different kinds of creative content, and answer your questions in an informative way. However, there are some key differences between the three models.
ChatGPT is a model generative pre-trained transformer developed by OpenAI. It is trained on a dataset of text and code that includes a lot of conversation data. This means that ChatGPT is very good at generating text that is conversational and engaging. However, ChatGPT can also be sessed and can generate text that is offensive or harmful.
BingGPT is a model that is based on the same GPT-4 technology as ChatGPT, but it has been trained on a dataset that includes more information about the real world. This means that BingGPT is more likely to generate text that is factual and accurate. However, BingGPT is not as good at generating text that is creative or engaging as ChatGPT.
Bardis a model that is based on Google’s own LaMDA language model. LaMDA is a factual language model that has been trained on a massive dataset of text and code. This means that Bard is very good at generating text that is factual and accurate. However, Bard is also good at generating text that is creative and engaging. Additionally, Bard has access to the information of the world real through Google Search, which allows it to provide more comprehensive and informative answers to your questions.
In general, Bard is a more comprehensive and informative model than ChatGPT or BingGPT. It is less likely to generate text that is offensive or harmful, and it has access to the information of the world real through Google Search. However, ChatGPT is better at generating text that is conversational and engaging, while BingGPT is more likely to generate text that is factual and accurate.
Here is a table that summarizes the key differences between ChatGPT, BingGPT, and Bard:
Feature
ChatGPT
BingGPT
Bard
Developer
OpenAI
Microsoft
Google AI
Model
GPT-3.5
GPT-4
LaMDA
Data
Text and code
Text and code
Text and code, as well as information of the world real through Google Search
Strengths
Conversational, engaging
Factual, accurate
Comprehensive, informative
Weaknesses
Can be sessed
Not as good at generating creative or engaging text
Not as good at generating factual or accurate text
Ultimately, the best model for you will depend on your specific needs. If you need a model that is good at generating conversational and engaging text, then ChatGPT is a good option. If you need a model that is good at generating factual and accurate text, then BingGPT is a good alternative. And if you need a model that is comprehensive and informative, then Bard is the best option for you.
¿Qué me puedes decir sobre la «banalización» de la ignorancia y su prevalencia en los sistemas políticos actuales?
The banality of ignorance by Julio Mayol (Dall-e)
La respuesta de ChatGPT
La banalización de la ignorancia se refiere al fenómeno en el cual la falta de conocimiento o comprensión profunda de un tema se trivializa o se considera aceptable en la sociedad. Esto implica que las personas pueden formar opiniones o tomar decisiones basadas en información superficial o incorrecta, en lugar de basarse en hechos o evidencia sólida.
En los sistemas políticos actuales, l puede ser una preocupación importante. En muchas democracias, los políticos y los medios de comunicación desempeñan un papel crucial en la formación de la opinión pública. Sin embargo, en algunos casos, se ha observado una tendencia a simplificar los problemas complejos o a proporcionar información incorrecta para obtener beneficios políticos o influir en la opinión pública.
Este fenómeno puede tener varias consecuencias negativas en los sistemas políticos. En primer lugar, puede erosionar la calidad del debate público y reemplazar el diálogo informado por discursos simplistas o polarizados. Además, puede conducir a la toma de decisiones políticas deficientes o perjudiciales, ya que las políticas basadas en la ignorancia pueden no abordar adecuadamente los desafíos y problemas que enfrenta una sociedad.
La prevalencia de la banalización de la ignorancia en los sistemas políticos actuales puede estar relacionada con diversos factores. Uno de ellos es la creciente complejidad de los problemas y desafíos que enfrentan las sociedades modernas. Muchas veces, comprender plenamente estos problemas requiere un conocimiento especializado y un análisis profundo, lo cual puede dificultar la comunicación efectiva y el entendimiento general.
Además, la era digital y la sobrecarga de información también pueden contribuir a su proliferación. Con la facilidad de acceso a la información en línea, existe la tentación de obtener respuestas rápidas y superficiales en lugar de invertir tiempo y esfuerzo en investigar y comprender de manera adecuada los problemas. Esto puede conducir a la difusión de información errónea o a la propagación de teorías de conspiración sin fundamentos sólidos.
Es importante abordar este fenómeno positivamente en los sistemas políticos. Esto implica fomentar la alfabetización mediática y la educación cívica, para que las personas desarrollen habilidades críticas y puedan evaluar la información de manera adecuada. También implica fomentar la transparencia, la rendición de cuentas y el acceso a información confiable por parte de los responsables políticos.
En resumen, la banalización de la ignorancia puede tener consecuencias negativas en los sistemas políticos actuales. Es esencial promover una ciudadanía informada y crítica, así como fomentar la transparencia y el acceso a información confiable, para contrarrestar este fenómeno y fortalecer la calidad del debate y la toma de decisiones políticas.
La respuesta de GPT4
La banalización de la ignorancia es un fenómeno que consiste en hacer trivial o común lo que debería ser objeto de reflexión crítica y conocimiento profundo. Se trata de una forma de desvalorizar la cultura, la ciencia y la educación, y de favorecer la manipulación y el conformismo. La banalización de la ignorancia tiene graves consecuencias para los sistemas políticos actuales, ya que dificulta el ejercicio de la ciudadanía responsable y democrática. Algunos ejemplos de banalización de la ignorancia son:
La difusión de noticias falsas o sesgadas que buscan influir en la opinión pública sin contrastar las fuentes ni verificar los hechos.
La simplificación de los problemas sociales y ambientales, reduciéndolos a eslóganes o consignas vacías de contenido.
La descalificación de los expertos o de las instituciones académicas que aportan evidencias o argumentos basados en el rigor científico.
La falta de interés por el aprendizaje continuo y el desarrollo personal, prefiriendo el entretenimiento superficial o el consumo irracional.
La negación o minimización de los efectos del cambio climático, ignorando el consenso científico y las recomendaciones de las organizaciones internacionales.
La aceptación acrítica de los discursos populistas o autoritarios, que apelan a las emociones o a los prejuicios en lugar de a la razón o a los valores democráticos.
La renuncia al pensamiento propio o al espíritu crítico, delegando las decisiones en líderes carismáticos o en medios de comunicación masivos.
Este fenómeno de creciente prevalencia es un desafío para la sociedad actual, que requiere de una ciudadanía informada, crítica y participativa. Para evitarla, es necesario fomentar la cultura, la educación y el pensamiento crítico, así como el respeto por la diversidad y el diálogo. Solo así se podrá construir una sociedad más justa, solidaria y democrática.
¡Absolutamente! Los modelos de lenguaje grandes, como ChatGPT, pueden ser herramientas muy útiles para fomentar la creatividad. Estos modelos están diseñados para comprender y generar texto coherente en diferentes contextos y estilos, lo que los convierte en una fuente de inspiración para la creatividad.
Woman drinking wine – by Julio Mayol (with Dall-e)
Aquí hay algunas formas en las que los large language models pueden ayudar a potenciar la creatividad:
Generación de ideas: Puedes utilizar el modelo para generar una lista de ideas sobre cualquier tema. Por ejemplo, si estás buscando inspiración para escribir una historia, puedes hacer preguntas o darle una frase de inicio al modelo, y te ofrecerá diferentes posibilidades y perspectivas que pueden estimular tu creatividad.
Expansión de conceptos: Si tienes una idea inicial pero necesitas desarrollarla más, puedes utilizar el modelo para explorar diferentes enfoques y detalles. Puedes hacer preguntas al modelo, pedirle que describa escenas o personajes, o incluso que te ayude a crear diálogos realistas.
Generación de contenido creativo: Los large language models pueden generar texto creativo por sí mismos. Por ejemplo, puedes pedirle al modelo que escriba un poema, una canción o un cuento breve basado en ciertos criterios o temas. Aunque el modelo no tenga experiencia personal ni emociones, puede ofrecerte opciones y estructuras interesantes para inspirarte.
Asistente de escritura: Si estás trabajando en un proyecto de escritura, puedes utilizar el modelo como un asistente para recibir sugerencias, corregir gramática o explorar diferentes estilos de escritura. Esto puede ayudarte a superar bloqueos creativos y descubrir nuevas formas de abordar tu trabajo.
Es importante destacar que, aunque los large language models pueden ser herramientas valiosas para estimular la creatividad, es esencial que también confíes en tu propio juicio y conocimiento. Los modelos de lenguaje no sustituyen la originalidad y la perspectiva humana, sino que pueden servir como una fuente adicional de inspiración y apoyo.
El uso de GPT4 por los pacientes plantea una serie de oportunidades y retos legales en relación con la responsabilidad patrimonial sanitaria de la administración. Por un lado, GPT4 puede ser una herramienta útil para facilitar el acceso a la información médica, el diagnóstico, el tratamiento y el seguimiento de las enfermedades, así como para mejorar la comunicación entre los pacientes y los profesionales sanitarios. Por ejemplo, un paciente con una enfermedad crónica podría usar GPT4 para consultar sus dudas, recibir consejos personalizados, monitorizar sus síntomas y alertar a su médico en caso de complicaciones. Esto podría mejorar su calidad de vida y su adherencia al tratamiento.
Por otro lado, GPT4 también puede generar riesgos de errores, malas prácticas, violación de la confidencialidad, daños a la salud o vulneración de los derechos de los pacientes. Por ejemplo, un paciente con una enfermedad grave podría usar GPT4 para obtener un diagnóstico y este resulta ser erróneo o incompleto. Esto podría provocar un retraso en el tratamiento adecuado, un empeoramiento de su estado o incluso su muerte.
En este contexto, es necesario analizar el marco jurídico aplicable al uso de GPT4 por los pacientes, tanto desde el punto de vista de la regulación de la inteligencia artificial como desde el punto de vista de la responsabilidad patrimonial sanitaria. La inteligencia artificial se rige por los principios de legalidad, ética, transparencia, seguridad, no discriminación y protección de datos personales, entre otros. La responsabilidad patrimonial sanitaria se basa en el principio de que la administración debe indemnizar a los pacientes por los daños que sufran como consecuencia del funcionamiento normal y anormal del servicio público de salud.
Así pues, el uso de GPT4 por los pacientes puede generar distintos escenarios de responsabilidad patrimonial sanitaria, dependiendo del grado de intervención humana, del tipo y origen del daño, y del nexo causal entre el uso de GPT4 y el daño. Por ejemplo, si un paciente usa GPT4 para obtener un diagnóstico y este resulta ser erróneo o incompleto, ¿quién sería el responsable? ¿El paciente, por no consultar a un médico? ¿El médico, por no supervisar el uso de GPT4? ¿El desarrollador o proveedor de GPT4, por no garantizar la calidad o fiabilidad del sistema? ¿La administración sanitaria, por no regular o controlar el uso de GPT4?
Estas son algunas de las cuestiones que plantea el uso de GPT4 por los pacientes en relación con la responsabilidad patrimonial sanitaria de la administración. Se trata de un tema complejo y novedoso que requiere un análisis jurídico detallado y una adaptación normativa adecuada a las características y desafíos de la inteligencia artificial aplicada al ámbito sanitario.
The use of natural language generation (NLG) models such as #ChatGPT or #GPT4 in scientific writing is a controversial and emerging topic. Some researchers argue that using these models can enhance the clarity, creativity and impact of their manuscripts, while others worry that it may compromise the originality, accuracy and ethics of their work. In this blog post, we will discuss some of the benefits and challenges of using NLG models in scientific writing, and provide some guidelines on how to disclose their use in a transparent and responsible manner.
Benefits of using NLG models in scientific writing
NLG models are trained on large corpora of text from various domains and genres, and can generate fluent and coherent text based on a given prompt or keywords. They can also adapt to different styles, tones and formats depending on the context and the desired output. Some of the potential benefits of using NLG models in scientific writing are:
They can help overcome writer’s block and generate ideas for topics, titles, abstracts, introductions, conclusions and more.
They can help improve the readability and attractiveness of the manuscript by suggesting alternative words, phrases, sentences and paragraphs that are more concise, clear and engaging.
They can help increase the novelty and diversity of the manuscript by introducing new perspectives, insights and connections that may not have been considered by the human author.
They can help reduce the time and effort required for writing and editing the manuscript by automating some of the tedious and repetitive tasks such as formatting, referencing, checking grammar and spelling, etc.
Challenges of using NLG models in scientific writing
NLG models are not perfect and have some limitations and risks that need to be acknowledged and addressed when using them in scientific writing. Some of the main challenges of using NLG models in scientific writing are:
They may generate text that is inaccurate, misleading, irrelevant or plagiarized from existing sources, which can compromise the validity, reliability and originality of the manuscript.
They may generate text that is biased, offensive, inappropriate or unethical, which can harm the reputation, credibility and integrity of the human author and the scientific community.
They may generate text that is inconsistent, contradictory or incompatible with the human author’s intended message, purpose and audience, which can confuse or mislead the readers and reviewers of the manuscript.
They may generate text that is too similar or too different from the human author’s style, tone and voice, which can affect the coherence, identity and authenticity of the manuscript.
Guidelines for disclosing the use of NLG models in scientific writing
Given the benefits and challenges of using NLG models in scientific writing, it is important to disclose their use in a transparent and responsible manner. This can help avoid potential ethical issues such as deception, plagiarism, misrepresentation or fraud. It can also help inform the readers and reviewers of the manuscript about the methods, sources and limitations of the generated text. Some of the possible guidelines for disclosing the use of NLG models in scientific writing are:
Specify which parts of the manuscript were generated by an NLG model (e.g., title, abstract, introduction, conclusion, etc.) and which parts were written or edited by a human author.
Specify which NLG model was used (e.g., #ChatGPT or #GPT4), what version or parameters were used (e.g., model size, temperature, top-k), what prompt or keywords were used (e.g., «How should …»), and what source or corpus was used to train or fine-tune the model (e.g., Wikipedia articles on science).
Specify how much editing or revision was done by a human author on the generated text (e.g., none, minor, moderate or major), what criteria or standards were used to evaluate or modify the generated text (e.g., accuracy, relevance, originality), and what tools or methods were used to check or correct the generated text (e.g., plagiarism detection software).
Acknowledge any limitations or uncertainties associated with the use of an NLG model (e.g., potential errors, biases or inconsistencies), any ethical or legal implications (e.g., intellectual property rights or data privacy issues), any conflicts of interest or funding sources (e.g., sponsorship by an NLG company), any feedback or assistance received from other human authors or experts (e.g., co-authors or mentors).
Conclusion
The use of NLG models such as #ChatGPT or #GPT4 in scientific writing is a novel and exciting phenomenon that offers both opportunities and challenges for researchers. By disclosing their use in a transparent and responsible manner, researchers can leverage their potential benefits while minimizing their potential risks. This can also foster a culture of openness, honesty and collaboration among researchers who use NLG models in their work.
La inteligencia artificial (IA) es una tecnología que tiene un gran potencial para transformar la educación superior, tanto en el ámbito de la investigación como de la docencia. Sin embargo, su uso también implica una serie de riesgos y desafíos éticos que deben ser considerados y abordados por los profesores universitarios. En este artículo, presento una guía de recomendaciones para el uso ético de la IA en la docencia universitaria, basada en los principios de beneficencia, no maleficencia, autonomía, justicia y transparencia.
Beneficencia: El uso de la IA en la docencia debe buscar el beneficio de los estudiantes y de la sociedad en general, promoviendo el aprendizaje significativo, el desarrollo de competencias y valores, y el bienestar emocional y social. Los profesores deben seleccionar y diseñar las aplicaciones de IA que mejor se adapten a los objetivos educativos, las características de los estudiantes y el contexto de aprendizaje. Asimismo, deben evaluar los resultados e impactos de la IA en el proceso educativo y tomar medidas correctivas si fuera necesario.
No maleficencia: El uso de la IA en la docencia debe evitar causar daño o perjuicio a los estudiantes o a terceros, respetando su dignidad, integridad y privacidad. Los profesores deben informarse sobre los posibles riesgos y sesgos de la IA, tales como la discriminación, la manipulación, la deshumanización o la pérdida de control. Además, deben garantizar la seguridad y calidad de los datos y algoritmos que utilizan, así como protegerlos de accesos o usos indebidos.
Autonomía: El uso de la IA en la docencia debe respetar la libertad y capacidad de decisión de los estudiantes, fomentando su participación activa y crítica en el proceso de aprendizaje. Los profesores deben informar a los estudiantes sobre el uso y funcionamiento de la IA, así como sobre sus derechos y deberes al respecto. También deben ofrecerles opciones y alternativas para que puedan elegir cómo interactuar con la IA, sin imponerles su uso o limitar su autonomía.
Justicia: El uso de la IA en la docencia debe promover la equidad y la inclusión educativa, evitando generar o agravar brechas o desigualdades sociales. Los profesores deben asegurarse de que todos los estudiantes tengan acceso a las oportunidades y beneficios que ofrece la IA, sin discriminación por razones de género, edad, origen, cultura, idioma o discapacidad. Igualmente, deben tener en cuenta las necesidades y expectativas de los diferentes grupos o colectivos sociales a los que pertenecen o afectan sus estudiantes.
Transparencia: El uso de la IA en la docencia debe ser transparente y explicativo, facilitando el entendimiento y la confianza de los estudiantes y de la comunidad educativa. Los profesores deben ser honestos y claros sobre el origen, propósito y límites de la IA que emplean, así como sobre sus posibles errores o incertidumbres. Del mismo modo, deben rendir cuentas sobre sus decisiones y acciones relacionadas con la IA, aceptando su responsabilidad ética y legal.
Lucian Freud fue uno de los pintores más influyentes del siglo XX, conocido por sus retratos crudos y realistas que exploran la psicología y la intimidad de sus modelos. Nacido en Berlín, nieto de Sigmund, emigró joven al Reino Unido, con la llega de Hitler al poder. Su obra supuso una revolución en la forma de mirar el arte y el cuerpo humano, desafiando los cánones de belleza y los estilos dominantes.
La exposición reúne más de 60 obras del artista británico, desde sus primeros dibujos hasta sus últimos lienzos, pasando por sus famosas series de desnudos. La muestra ofrece un recorrido por su evolución artística y sus principales temas: la familia, los amigos, los amantes, los animales y el autorretrato. Además, se incluyen algunas obras de otros artistas que influyeron o fueron influenciados por Freud, como Francis Bacon, Alberto Giacometti o David Hockney.
Retrato de Francis Bacon
Lo que más me llamó la atención de la exposición es la capacidad de Freud para captar la esencia y la personalidad de sus retratados, sin idealizarlos ni juzgarlos. Aunque preferiría decir que sin demostrar ningún apego por sus modelos, por sus amantes. Sus pinturas transmiten una sensación de cercanía y de verdad, pero también de misterio y de tensión. A Freud le pasaba algo, algo que no se atrevía a confesar. Me interesa la forma en que utilizaba la luz, el color y la textura para crear atmósferas y contrastes. Sus pinceladas son densas y expresivas, casi escultóricas. Con el tiempo, los cuerpos se fueron volviendo menos planos, más voluminosos y carnosos, pero también vulnerables y no menos solitarios.
La exposición de Lucian Freud es una oportunidad única para conocer a uno de los grandes maestros de la pintura contemporánea y para reflexionar sobre el arte y la vida. La exposición de Freud es una gran ocasión para analizarse a uno mismo.
Existen muchas formas de crear arte con el iPhone utilizando la fotografía. Algunas de ellas son:
Jugar con la composición: La composición es un elemento clave en la fotografía y puede utilizarse para crear arte. Puedes experimentar con diferentes ángulos y encuadres para crear imágenes atractivas y visualmente interesantes.
Utilizar aplicaciones de edición: Hay muchas aplicaciones de edición de fotos disponibles para iPhone que te permiten ajustar la exposición, el contraste y otros ajustes para mejorar tus imágenes. También puedes utilizar estas aplicaciones para añadir filtros y efectos para darle un toque único a tus fotos.
Explorar diferentes géneros de fotografía: Puedes crear arte fotográfico en diferentes géneros, como la fotografía abstracta, la fotografía de paisajes o la fotografía de retratos. Intenta explorar diferentes géneros y encontrar aquel que más te guste.
Experimentar con la luz: La luz es un elemento esencial en la fotografía y puede utilizarse para crear imágenes artísticas. Juega con la luz natural o utiliza luz artificial para crear diferentes efectos y atmósferas en tus imágenes.
Practicar y experimentar: La clave para crear arte con el iPhone es practicar y experimentar. Toma muchas fotos y prueba diferentes técnicas y enfoques para ver qué funciona mejor para ti. Con el tiempo, descubrirás tu estilo propio y podrás crear imágenes artísticas únicas.
Puntos de fuga en BarquilloEn el RetiroAtardecer en la Gran VíaBésame muchoCaminando por las calles de MadridA la sombraFuentes alrededor del ManzanaresLa luz y el PalacioLuces y sombrasAzulMirando hacia el cielo de MadridLa vida es puro teatro
