InstagramFacebookXLinkedIn

Edición Nº 63

Apuntes sobre la automatización de la creatividad
Pedro Venegas Rodríguez
19 de abril, 2024

Sobre la inteligencia artificial, hay mucho que conversar, no por el hecho mismo de ser una constante novedad entre nosotros, sino por el impacto y el cambio que está generando (y seguirá generando en los años venideros) en la sociedad moderna. La IA existe, aunque su gestación conceptual, al menos, desde mucho antes de la creación de la misma computadora.

Desde las invenciones más primigenias, como en el antiguo Egipto en el siglo XVI a. C. con el intrincado reloj de agua o las invenciones de Al-Zajari de alrededor del siglo XIII d. C.[1], la idea de las máquinas autómatas ha sido una constante en nuestro ideario como humanidad. Hoy en día conocemos un poco más de estos autómatas como reflejos del ser humano, lo podemos presenciar desde las más fascinantes historias de Issac Asimov y su ya conocida y todopoderosa Multivac o desde las miradas más devastadoras como Skynet en la película Terminator.

Sin embargo, al volver nuestra mirada a la realidad (al menos la realidad física), estos autómatas que tanto hemos ideado a lo largo de nuestra propia existencia en realidad no tienen cuerpo —quizás nunca debieron tenerlo— y dejo abierta la posibilidad de reflexionar sobre la eventualidad de que posean alma o conciencia. Al final del día, todo se reduce a una idea muy simple: algoritmos.

Figura 1. Pedro Venegas-Rodríguez (2020), Brutalist Style Transfer. Exploración estética como parte de la exploración del algoritmo Neural Style Transfer donde se combinaron una imagen de un edificio brutalista peruano y una pintura de Zdzis?aw Beksinski.

Vivimos rodeados de algoritmos, «cada vez que buscamos algo en Internet, planeamos un viaje con el GPS, escogemos una película recomendada por Netflix o concertamos una cita online, actuamos guiados por un algoritmo»[2]. Hemos depositado nuestra fe en manos de estas piezas de código que solo responden a bucles y condicionales o ¿no es así?

En 2022, una encuesta de Ipsos, realizada a más de veinte mil personas alrededor del mundo de manera online, demostró que la confianza en la inteligencia artificial está correlacionada con el conocimiento percibido; ambos son más altos en los países emergentes en comparación con los países de mayor ingreso[3]. Así pues, Perú es uno de los países con mejor aceptación de esta tecnología en relación con su conocimiento sobre la misma.

De esto puedo inferir dos cosas interesantes y aterradoras en ambos casos: primero, que estamos debatiendo estos temas escondidos en una cueva o que conocemos tan poco del tema que no sabemos cómo afrontar las implicancias de esta tecnología; segundo, que damos por hecho que estamos rodeados únicamente de bonanzas.

Figura 2. Pedro Venegas-Rodríguez (2022), Artificial Intelligence Genes. Fotomontaje sobre imágenes generadas con MidJourney V3. En búsqueda sobre las iteraciones programáticas.

Sobre la retórica de la inteligencia artificial generativa

Mi primera experiencia aplicativa con las herramientas de IA se da luego de conocer a Matias del Campo, del Taubman College de Chicago. Su reflexión en 2020 me acercó a una clase de proceso algorítmico llamado Neural Style Transfer, entrenado para poder manipular imágenes o videos con el fin de estilizarlas siguiendo el estilo visual de otro referente no necesariamente relacionado. Una metodología —diría yo— que me llevó a realizar procesos reflexivos sobre los edificios brutalistas en Lima, revisitados por la mirada fúnebre e incomprensiblemente hermosa de Zdzis?aw Beksi?ski (Fig. 1), uno de mis pintores favoritos. Dichos procesos pusieron sobre la mesa uno de los conceptos o ideas más importantes de mi propia retórica: el diseño del proceso es más bello que el objeto. Los objetos, de pronto, empiezan a perder cierto valor estético intrínseco debido a la facilidad de ser iterado, de ser cambiado, de ser reinventado, de ser mutado.

Diseñar el proceso implica un ejercicio mental muy meticuloso en el que cada paso es lineal, sucesivo, condicional; no existe problema que no pueda ser resuelto en pasos simples y orquestados. Se trata de pasos tan delicadamente diseñados que son en sí mismos «bellos», como lo ocurrido con el «paso 37» el 10 de marzo de 2016 o como el «paso divino» ocurrido dos días después, el día que Lee Sedol venció a AlphaGo[4]. De no entender esta referencia, habría que dirigirse a 1996, cuando Garry Kasparov enfrentó a Deep Blue.

Sobre la belleza de estos pasos o estos procesos, hay mucha ciencia, mucha biología, mucha creatividad. Margaret Boden describe la creatividad como «la capacidad de generar ideas o artefactos que sean nuevos, sorprendentes y valiosos»[5], cualidades que se aplicaron a AlphaGo en su momento; sin embargo, nadie se atrevió a cuestionar si este había tomado una decisión creativa después del «paso 37», ¿es acaso un sacrilegio pensar que la máquina puede ser creativa?

Diseñar para evolucionar

El enfocarse en diseñar los pasos para resolver un problema nos acerca mucho más al entendimiento de las máquinas, siendo los algoritmos la piedra angular de sus decisiones. Sobre la decisión de entrenar a los algoritmos, podemos aterrizar sobre la idea de que en cada paso hay una nueva generación de datos que se gestan casi espontáneamente. Generaciones que, al igual que la adaptación de las especies según Darwin, pueden sufrir mutaciones. Estas mutaciones en los algoritmos serían simples pasos poco usuales u ortodoxos que nos acercan a una nueva manera de enfrentar un problema (Fig. 2).

Basado en estas ideas, cada herramienta de IA disponible en el mercado actual, entre las de acceso libre y las de suscripción, han provisto a sus usuarios de su propia visión sobre estas mutaciones en el algoritmo para ser lo que son ahora; nombrar cada una de ellas sería una tarea titánica en este momento preciso, pero convengamos en que cada herramienta de inteligencia artificial generativa tiene su propio «estilo».

Con estas ideas en mente, deberíamos reflexionar sobre nuestra relación con estas inteligencias artificiales, relaciones que van más allá de la simple acción-reacción. Se trata de una relación bidireccional de intercambio de conocimiento, como un Modelo Co-Creativo Humano-AI[6], un modelo en el que el ser humano entrega sus atributos como especie y la IA hace lo mismo, creando en esta sinergia un ente único que va un paso más allá de un simple cyborg.

Figura 3. Pedro Venegas-Rodríguez (2023), Lenguaje Paramétrico. Diagrama sobre el reordenamiento de las palabras en el lenguaje hablado como una propuesta paramétrica para crear imágenes en MidJourney V4.

La inteligencia artificial doméstica es el medio

Hasta este momento, el método de comunicación e intercambio de ideas con la máquina ha girado en relación con el lenguaje de esta, lenguaje que aprendemos nosotros los humanos. Una mirada distinta surge cuando los papeles se invierten y es la máquina la que debe aprender el lenguaje del ser humano. Estamos entrando a hablar sobre el principal atributo de las IA generativas: el lenguaje convencional de los seres humanos.

"Los objetos, de pronto, empiezan a perder cierto valor estético intrínseco debido a la facilidad de ser iterados, de ser cambiados, de ser reinventados, de ser mutados."

He aprendido en este ejercicio que aprender a hablar es probablemente uno de los ejercicios más complicados que pueden existir. El buen arte de saber comunicar probablemente ha estado subvalorado por mucho tiempo. En este aspecto me he encontrado con que el lenguaje debe verse como un proceso paramétrico.

Pensar en el lenguaje humano como un proceso paramétrico implica que cada palabra en nuestro léxico forma parte de un conjunto de pasos y reglas que son decodificadas para, posteriormente, ser codificadas nuevamente en el mismo orden y con el mismo objetivo (Fig.3), que vendría a ser la comunicación con nuestra misma especie y, como vemos ahora mismo, esta comunicación también se daría con la máquina.

Aprender a diseñar a través del lenguaje es un proceso que nunca hemos aprendido en la escuela. Esto, como dice Matias del Campo, «nos enfrenta a la primera metodología de diseño del siglo 21» (Del Campo, 2023); sin referentes del caso, cada regla la estamos construyendo hoy mismo —y quiero creer que yo también estoy compartiendo un pequeño aporte a la causa.

Hemos descubierto también que estamos viviendo una época en nuestra historia en la que el acto de copiar se ha vuelto un acto sistemático, en la que lo «original» se ha vuelto un agente un tanto difuso. En este montón de gas de éter, es muy complicado saber quién es dueño de qué y hasta qué punto lo es; como referiría Noam Chomsky con respecto a ChatGPT, sería como una «forma de plagio de alta tecnología»[7].

Mentiría al decir que uno es dueño de su creación, pero, en todo caso, hablar de diseñar inspirados en algo ¿no sería una manera muy elegante de evitar la palabra «copia»? Si la respuesta es no, entonces la integración de las IA domésticas como copilotos jamás debería implicar que vivimos en una sociedad basada en el «plagio de alta tecnología». Sin embargo, hasta el día de hoy no me dejo de sorprender con la cantidad abismal de autodenominados AI-Artists que aparecieron repentinamente desde la masificación de las IA generativas en 2022, todos con trabajos de «arte» muy similares entre ellos.

Diseño asistido por inteligencia artificial como objetivo

Lo realmente fascinante y valioso, desde mi punto de vista, se encuentra en la intersección de ambas maneras de comunicación: el lenguaje computacional y el lenguaje humano. Un primer paso a este Modelo Co-Creativo que mencioné párrafos atrás lo he venido explorando desde la aparición de Stable Diffusion, una IA generativa de código abierto.

Hace relativamente poco, esta herramienta cuenta con una extensión optimizada para su uso dentro de muchos softwares de diseño, lo que ha significado un avance abismal con respecto a la manera de comunicación diseñador-software, humano-máquina si queremos ser más ortodoxos, ya que brinda una oportunidad para comunicarnos de manera numérica o textual a través de código escrito o lenguaje verbal.

Muchos de los procesos que solíamos realizar a través del código escrito han sido simplificados a través del soporte de Stable Diffusion y ChatGPT, herramientas de inteligencia artificial que pueden ser entrenadas y condicionadas, de modo que dejan abiertas posibilidades inexploradas en el diseño computacional hasta el día de hoy (Fig.5).

Esto pudiera parecer una simple actualización de un típico software de animación o modelado 3D; sin embargo, está abriendo una serie de oportunidades de comunicación. Abre las puertas hacia un mundo en el que cada usuario estará en la capacidad de entrenar su propio software de diseño computacional, con sus propios atributos perceptuales, y recibirá a cambio el potencial racional de la IA. De este modo, nos acercamos un poco más a lo que Isaac Asimov visionó en sus historias; al parecer, resultó ser más un profeta que un escritor.

Figura 4. Pedro Venegas-Rodríguez (2023), Ai-Aided Design. Proyecto Arquitectónico generado a través de texto con Stable Diffusion (MLOPs) y programación en HoudiniFX. Una mirada sinérgica entre dos modelos de diseño.

__________________________

[1] Sánchez, F., Millán, F., Salvador, J., Palau, J., Rodríguez, F., Esquema, S. y Villavicencio, H. (2007). Historia de la robótica: de Arquitas de Tarento al robot Da Vinci (Parte I). Actas urológicas españolas, 31(2), 69-76.

[2] Du Sautoy, M. (2020). Programados para crear. Cómo está aprendiendo a escribir, pintar y pensar la inteligencia artificial. Acantilado, p. 59.

[3] Ipsos (2022, enero). Global Opinions and Expectations about Artificial Intelligence. A Global Advisor Survey. https://shorturl.at/jmvCY

[4] Zarkadakis, G. (2016, 26 de noviembre). Move 37, or how AI can change the world. Huffpost. https://shorturl.at/dwxBR

[5] Chávez, A. (2022, julio-diciembre). Entre el derecho y los sistemas creativos: una nueva dimensión del diseño de moda por medio de la inteligencia artificial. Revista de Derecho Privado, 43, 353-386. https://doi.org/10.18601/01234366.n43.14, p. 355.

[6] Wu, Z., Ji, D., Yu, K., Zeng, X., Wu, D., & Shidujaman, M. (2021). AI Creativity and the Human-AI Co-creation Model. Lecture Notes in Computer Science, 12762, 171-190. https://shorturl.at/bmS78, pp. 171-186.

[7] Stewart, J. (2023, 17 de febrero). Noam Chomsky Says ChatGPT Is a Form of «High-Tech Plagiarism». My Modern Met. https://shorturl.at/ouxEV

Compartir en:
Pedro Venegas Rodríguez
Pedro Venegas Rodríguez

Arquitecto y diseñador. Docente en la Universidad Peruana de Ciencias Aplicadas y la Pontificia Universidad Católica del Perú.

Recomendado

© 2024, Compañía de Jesús Provincia del Perú
Contacto
Logotipo Jesuitas del Perú