En 2019, una pintura creada por inteligencia artificial, inspirada en miles de retratos pintados entre los siglos XIV y XX, se vendió por casi 500.000 dólares en una subasta. Unos meses antes, los alumnos de un prestigioso conservatorio de música tuvieron muchísimas dificultades para diferenciar las notas musicales de Johann Sebastian Bach de las creadas por un algoritmo llamado Kulitta, que había sido programado para imitar el estilo del famoso compositor. Incluso la multinacional IBM se unió a la diversión y le encargó a su sistema Watson de inteligencia artificial que analizara 9.000 recetas para diseñar sus propias ideas culinarias.
Un algoritmo sin la creatividad de los humanos
Pero muchos expertos, así como gente corriente, se preguntan si estas inteligencias artificiales realmente son creatividad. Aunque sofisticadas en su mimetismo, estas inteligencias artificiales creativas son incapaces de crear algo nuevo desde cero, ya que carecen de la capacidad de incorporar nuevas influencias de su entorno.
Es lo que le ocurre a DeepArt, un algoritmo que es capaz de reproducir con una exactitud milimétrica obras de arte de pintores del renombre de Rembrandt o Van Gogh. DeepArt ha sido programado para imitar el estilo de estos gigantes del arte pictórico únicamente almacenando una cantidad ingente de datos que van desde el cromatismo hasta la profundidad de cada una de las pinceladas. El resultado son cuadros que podrían engañar hasta a un experto, ya que el estilo es prácticamente indistinguible.
Cómo funciona este algoritmo
La creación de cuadros que imitan estilos de artistas famosos como Rembrandt o Van Gogh no es una tarea simple. Detrás de esta habilidad se encuentran complejos algoritmos y técnicas avanzadas de aprendizaje profundo. Veamos algunas de las tecnologías clave involucradas en estos procesos:
- Redes Neuronales Convolucionales (CNN): DeepArt y otros algoritmos similares suelen emplear CNN para analizar y entender las características visuales de las pinturas. Estas redes pueden identificar patrones en los colores, texturas y formas que definen un estilo particular.
- Transferencia de Estilo: La transferencia de estilo es una técnica que permite aplicar el estilo de una imagen a otra. Esto se hace mediante la separación de contenido y estilo de una imagen, y luego la aplicación del estilo a una nueva imagen manteniendo su contenido original.
- Data Augmentation: Para entrenar estos modelos, es común usar técnicas de aumento de datos. Esto incluye rotaciones, cambios de escala y otros ajustes a las imágenes originales, lo que permite al modelo aprender a reconocer estilos bajo diferentes condiciones.
- Aprendizaje Supervisado y No Supervisado: Dependiendo del objetivo, estos algoritmos pueden ser entrenados utilizando técnicas de aprendizaje supervisado (donde hay datos etiquetados) o no supervisado (donde el modelo encuentra patrones sin etiquetas específicas).
- Generative Adversarial Networks (GANs): En algunos casos, se pueden utilizar GANs para generar nuevas imágenes que imitan un estilo particular. Las GANs consisten en dos redes, una generadora que crea imágenes y una discriminadora que evalúa si son auténticas o generadas, entrenándose mutuamente en el proceso.
- Hardware Específico: El entrenamiento y la implementación de estos modelos requieren hardware potente, como GPUs especializadas que pueden manejar los cálculos intensivos necesarios para el procesamiento de imágenes a gran escala.
- Interacción Humana: Muchas veces, estos modelos se perfeccionan con la ayuda de expertos en arte que ajustan y evalúan las salidas, asegurando que las imitaciones sean tan precisas como sea posible.
No es arte, solo imitación
La verdadera creatividad es una búsqueda de originalidad. Es una recombinación de ideas dispares en formas nuevas. Son soluciones inesperadas. Puede ser la música, la pintura o la danza, pero también el destello de inspiración que ayuda a inventar cosas como las bombillas, los aviones o la tabla periódica.
Tan solo en los últimos años, las inteligencias artificiales creativas se han expandido a la invención del estilo, a la autoría que es individualizada en lugar de imitativa y que proyecta significado e intencionalidad, incluso si no existe. Sin embargo, no basta con crear algo que imita a una obra original, sino que cuando se crea algo debe tener significado y autenticidad, algo que jamás podrá hacer una máquina. Que un algoritmo pinte imitando a Picasso no es arte, ya que la obra carece de intención, todo es robótico.
Si una inteligencia artificial carece de la autoconciencia para reflexionar sobre sus acciones y experiencias, y para comunicar su intención creativa, ¿es realmente creativa? ¿O la creatividad solo está en el autor que alimentó a la máquina con datos?
En última instancia, a pesar de que cada vez hay más máquinas que imitan procedimientos humanos, todavía ninguna ha sido capaz de pensar por sí misma. Hace setenta años, Alan Turing, a veces descrito como el padre de la inteligencia artificial, ya pensaba en robots con conciencia propia, pero de momento eso sigue perteneciendo a la ciencia ficción.
REFERENCIAS:
University of London / College Research Centre Massachussets.
