Entrevista con Pilar Rosado

Esta semana hablamos con Pilar Rosado. Pilar ha publicado diversos ensayos sobre la aplicación de modelos de visión por computador para el análisis de grandes colecciones de imágenes de arte abstracto, proporcionando puntos de vista alternativos para la reflexión acerca de las convenciones de nuestra mirada. En su práctica artística explora cuestiones políticas que se pueden abordar desde la imagen y que implican a las tecnologías de aprendizaje automático, como la gestión de la información en los archivos visuales del futuro, la revisión de la memoria colectiva o la creatividad artificial.

Eres doctora en Bellas Artes y licenciada en Biología. ¿Puedes hablarnos de tu formación y de cómo empezaste en el mundo del arte?

Mi formación se inició en casa. Mi madre es pintora autodidacta y el arte ha estado siempre presente en mi vida. Ella pinta con pasión a sus seres queridos, los objetos cotidianos que acompañan su día a día y los paisajes que la impresionan. Sin apenas proponérselo, me inculcó la importancia de observar con detenimiento el mundo que nos rodea y me transmitió la satisfacción de cristalizar el pensamiento en formas y colores. Cuando llegó el momento de elegir los estudios, sentí un gran interés por la biología, y en concreto por la genética, para entender de qué manera el código genético es capaz de contener las formas de los seres vivos, que se va transmitiendo de generación en generación. Cuando finalicé mis estudios de Biología, en 1989, había una gran demanda de profesionales en el mundo de la programación de ordenadores, y este ámbito también captó mi atención durante unos años; aprendí a programar ordenadores y me convertí en analista funcional, trabajando durante 10 años en el desarrollo e implementación de aplicaciones informáticas en el sector industrial. En el año 2000, justo después de superar el problema informático conocido como el error del milenio o «efecto 2000», sentí la imperiosa necesidad de cambiar mi vida y me planteé dedicar tiempo a profundizar en los conceptos del arte, así inicié mis estudios en la facultad de Bellas Artes de la Universidad de Barcelona. En este trayecto de aprendizaje, descubrí el ámbito del grabado y de la fotografía, como complementos a la pintura, y es finalmente en mis estudios de doctorado cuando veo clara la posibilidad de combinar todos los conocimientos adquiridos en mi trayectoria vital. Me interesaban especialmente las conexiones entre la visión computacional y la visión biológica. Tuve noticia de que el reconocimiento de objetos a partir de sus imágenes visuales es una función clave del cerebro de los primates, y que este reconocimiento no consiste en una plantilla que coincide entre la imagen de entrada y las imágenes almacenadas en el cerebro, sino que es un proceso flexible en el que se pueden tolerar cambios considerables en las imágenes, como resultado de una iluminación, un ángulo de visión y una orientación diferentes del objeto. En 1997, el neurobiólogo Keiji Tanaka publicó sus conclusiones sobre los mecanismos neuronales del reconocimiento de objetos en primates, y explica que se utilizan características de complejidad intermedia invariantes a cambios de escala, orientación e iluminación. En 2004, el experto en visión artificial David G. Lowe, basándose en esa información, describe un sistema de visión por computadora basado en descriptores invariantes a cambios de escala, translación, rotación e iluminación y los denomina descriptores SIFT (scale invariant feature transform).

Mis primeras investigaciones toman este sistema computacional como punto de partida, ya que demuestra excelentes resultados en la correcta categorización automática de colecciones de imágenes de objetos y de escenas naturales. En mi investigación doctoral me planteo explorar hasta qué punto puede un sistema computacional de categorización automática de imágenes de objetos aproximarse a «comprender» las imágenes que generan los artistas abstractos. Y así es como, poco a poco, me he ido adentrando en el apasionante mundo de los algoritmos de visión por computadora, intentando establecer puntos de encuentro con la creación. Desde entonces, mi trayectoria en el mundo del arte discurre, a partes iguales, entre las tareas de artista, docente e investigadora.

¿Cómo es el proceso creativo detrás de tus proyectos? ¿En qué te inspiras?

Intento estar al día de las investigaciones que se llevan a cabo en el ámbito de los algoritmos de visión por computadora, tanto los de clasificación como los generativos. Es un reto exigente, pero me esfuerzo en seguir esta evolución, dentro de mis posibilidades, y en no limitarme únicamente a su utilización, sino en intentar entender su funcionamiento. Gracias a haber estudiado la carrera de Biología, tengo colegas en el Departamento de Estadística de esa facultad que me ayudan en estos procesos complejos. En diversas ocasiones hemos podido desarrollar proyectos conjuntos, ya que muchos algoritmos que se utilizan en el análisis de imágenes biomédicas también tienen interés para la creación artística. Mi proceso creativo siempre se articula alrededor de una colección de imágenes. Puede tratarse de un conjunto ya existente perteneciente a un archivo o alguna colección de artista (Tàpies, Guinovart…), pero también, a veces, he construido mis propias colecciones extrayendo imágenes de los grandes repositorios de Internet, partiendo de búsquedas textuales sobre conceptos en los que quiero profundizar desde el estudio de las imágenes producidas por la colectividad: violencia, revolución, pandemia, cambio climático… Me interesan las formas globales que construimos al capturar imágenes, la posibilidad de tener acceso a visualizar el todo sin perder la presencia de la parte.

También, en algunas obras deconstruyo mediante algoritmos de machine learning el total de la colección con la que estoy trabajando para intentar extraer el núcleo de sentido y formalizar una nueva composición que mantenga este capital vivo, aunque construyendo una forma diferente.

La mirada de la máquina, aunque intenta emular a la humana, siempre resulta sorprendente, porque aporta puntos de vista alternativos, libres de preconcepciones, que estimulan la reflexión sobre las convenciones de nuestra mirada. Utilizo algoritmos de machine learning no supervisados que no requieren la intervención de los humanos para saber qué está bien y qué está mal, y en concreto los que se basan en el análisis del contenido visual de la propia imagen, no en anotaciones textuales previas. Prefiero no tener muchas ideas a priori acerca de los resultados que obtendré cuando inicio un proyecto de creación, y así estar atenta a lo inesperado, permitir que la intersección entre el algoritmo, la colección de imágenes y mi mirada conduzca el proceso creativo. Aprendo mucho en estos procesos de investigación y valoro enormemente la interacción con la computadora en el proceso de cocreación, la frescura que aporta este encuentro entre diferentes estructuras perceptivas, mi inteligencia solapada con su capacidad de cálculo, y posibilitar la permeabilidad en estos procesos, la contaminación entre el humano y la máquina. Finalmente, creo que es valioso explorar puntos de encuentro con la historia del arte, como en el proyecto «Mnemosyne 2.0», que intenta revisar el «Bilderatlas Mnemosyne» del historiador Aby Warburg utilizando las nuevas tecnologías del siglo xxi. Siento que, de alguna forma, estas nuevas metodologías pueden tomar el testigo de la historia para llevarlo hacia nuevos destinos, subvirtiendo preconcepciones y arquetipos que existen también en el mundo del arte.

¿Cuándo surge tu interés por la inteligencia artificial?

No me complace mucho el término inteligencia artificial, aunque resulta útil utilizarlo para referirse a un ámbito complejo y multidisciplinar. Yo prefiero pensar en procedimientos que intentan emular nuestros sistemas perceptivos. Es difícil definir la inteligencia, natural o artificial. Los investigadores de distintos ámbitos como la neurobiología, la estadística, la computación, etc. colaboran para crear algoritmos que, de forma todavía precaria, imitan nuestro cerebro. La potencia de cálculo enorme de las computadoras hace que se puedan «entender» enormes cantidades de datos y esto amplifica nuestra capacidad de análisis. Al conocer la manera de programar estos sistemas tenemos más conocimiento sobre nosotros mismos, sobre nuestra forma de ver y de pensar. Hasta podemos imaginar que, quizá algún día, teniendo en cuenta la evolución de la nanotecnología, la computación cuántica y algunos avances que se han realizado sobre almacenamiento de información en ADN, los algoritmos inteligentes podrían sustentarse de manera intrínseca en nuestro soporte biológico y constituir una ampliación de nuestras habilidades. En lugar de plantear la dualidad humano o máquina, creo que debemos pensar en una hibridación. Como artista, me siento inclinada a explorar de qué manera afecta el uso de algoritmos «inteligentes» a mi forma de crear… qué puedo ver y concebir con ellos, de qué manera cuestionan mis creencias relativas al arte y al ser humano. Simplificando mucho, podemos decir que los algoritmos de visión por computador transforman las cualidades visuales en números, y también son capaces de crear nueva información numérica y convertirla en imágenes. Estos procesos de codificación-decodificación permiten una gradación de los conceptos infinita… entre el 0 y el 1, por ejemplo, hay un número infinito de posibles números: 0,1, 0,2, etc. Si tuviese que decir brevemente por qué me interesa la inteligencia artificial, diría que el aprendizaje de las computadoras me ayuda a comprenderme a mí misma y el funcionamiento del mundo. No deja nunca de sorprenderme que un algoritmo, sin ojos en la cara ni retina conectada al cerebro, sea capaz de distinguir una pera de una manzana… o de un caballo. ¡Es una maravilla perturbadora! Además, estos sistemas pueden establecer entre las imágenes relaciones que, a nosotros, con todo nuestro aparato conceptual, nos pasan desapercibidas.

Tus obras se fundamentan en el concepto de deep learning. ¿Por qué es tan importante su contribución en la categorización de imágenes producidas hoy en día?

Cada minuto transcurrido, millones de imágenes son tomadas y vertidas a la red o almacenadas en nuestros dispositivos electrónicos. La dificultad de acceder a su visualización de una manera inteligible puede convertirlas en invisibles, estado que para una imagen es lo más parecido a la muerte. Estos enormes archivos visuales pueden volver a algún tipo de vida gracias al uso de tecnologías de deep learning, que nos permiten organizarlas, ordenarlas, para así poder reflexionar sobre los patrones que hemos reproducido en ellas.

Los algoritmos de deep learning que categorizan de manera automática grandes colecciones de imágenes han conseguido unos rendimientos muy importantes en el ámbito del reconocimiento de objetos y en la categorización de imágenes de retratos, paisajes, escenas de interior, etc. Esto ha supuesto un gran impulso en el ámbito de las humanidades digitales, que estudian el patrimonio digitalizado, combinando las metodologías propias de las disciplinas humanísticas tradicionales (historia, filosofía, filología, lingüística, historia del arte, etc.) y de las ciencias sociales con el uso de herramientas informáticas. En el ámbito de la historia del arte, que he estudiado en mis investigaciones, puedo comentar los resultados obtenidos en colecciones de arte abstracto. Las obras de arte abstracto no son paisajes, ni marinas, ni bodegones… no se corresponden con objetos del mundo real. Los artistas abstractos son creadores de nuevas categorías. Era interesante explorar hasta qué punto estos algoritmos inteligentes, analizando cualidades compositivas, cromáticas y organizativas, sin necesidad de realizar ninguna anotación textual ni intervención manual, podían detectar analogías que nos acercasen a los valores originales del creador. Es imposible realizar este tipo de estudios sobre grandes colecciones de otra forma, por las evidentes limitaciones de accesibilidad a las obras y de capacidad humana de análisis. Y, aunque toda categorización es por definición subjetiva al estar sustentada en un criterio determinado, la tecnología digital nos ofrece esta forma de aproximarnos a una información que, de otra manera, quedaría imposibilitada por la magnitud de contenido visual almacenado. Estudiando con herramientas de deep learning la colección del artista Antoni Tàpies que posee su fundación en Barcelona, pudimos corroborar que la computadora era capaz de detectar relaciones visuales significativas entre obras del artista de diferentes técnicas (pinturas, dibujos, grabados) y épocas. Los resultados, que se pueden consultar en la revista Leonardo, apuntan a que estos sistemas permiten asistir a los estudiosos al realizar comparativas sobre diferentes períodos del mismo artista, o entre colecciones de diferentes artistas o épocas, utilizando el mismo criterio. De esa manera, las conclusiones obtenidas se pueden contrastar sin riesgo de caer en interpretaciones subjetivas condicionadas por las preferencias o conocimientos previos. Así que podríamos decir que la importancia del deep learning radica en su capacidad para tratar grandes cantidades de información, aprendiendo directamente de los datos y desvelando nuevos puntos de vista para su análisis. Podemos añadir que, en concreto, los algoritmos de deep learning generativos, que a partir de los datos que se les proporcionan pueden generar nuevas propuestas, están revolucionando el mundo del diseño y de la creación, y, también, en ámbitos como el de la medicina, pueden proporcionar nuevas imágenes para facilitar y/o prever posibles síntomas detectados mediante la imagen, y un largo etcétera.

AlgoRitmes Firals es un fotomosaico diseñado con imágenes tomadas de FiraTàrrega desde el año 1981. ¿Qué criterios sigue el algoritmo de inteligencia artificial para organizar esas fotografías?

FiraTàrrega es un acontecimiento cultural muy arraigado al territorio cuyos eventos han sido registrados en imágenes desde 1981. Realizando una residencia de creación tuve acceso a los fondos documentales del Arxiu Comarcal de l’Urgell y de FiraTàrrega. Para la obra AlgoRitmes Firals seleccionamos 16.000 imágenes de escenas de artistas en el transcurso de sus actuaciones, realizadas tanto en recintos interiores como exteriores de la ciudad de Tàrrega. Se utilizó la red neuronal artificial ResNet-50 para extraer las características visuales del conjunto de imágenes y los descriptores visuales obtenidos se utilizaron como entrada para el algoritmo t-SNE. Esta etapa del proceso creativo es no supervisada, ya que depende exclusivamente de las similitudes entre las imágenes que se están analizando. Así se elaboró un fotomosaico gigante de 2 x 4 metros, formado por las fotografías ordenadas siguiendo criterios de analogía formal, en el que se ponen de manifiesto los patrones visuales de los arquetipos asociados con esta feria de teatro en la calle. La disposición de las fotografías se rige por criterios de contenido visual, agrupando las más similares y aislando las más singulares. El resultado es un mapa visual que establece los patrones iconográficos del certamen de Tàrrega durante 38 años de historia.

¿Nos puedes dar algún detalle de cómo fue su proceso de desarrollo?

En primer lugar, establecí contacto con los agentes del territorio; los gestores del ACUR y FiraTàrrega me apoyaron en todo el desarrollo del proceso. Fue necesario redimensionar las imágenes para que la computadora pudiese realizar los cálculos necesarios. Una vez presentado el gran mapa, se exhibió al público en el ACUR, entre el 5 de septiembre y el 4 de octubre de 2019, precisamente durante la celebración del FiraTàrrega. Fue gratificante la buena acogida por parte del público, tanto los habitantes del pueblo como los visitantes asiduos del evento anual venían al mapa a buscar imágenes reconocibles. Se instaló también para la ocasión una aplicación 3D interactiva que les permitía navegar por el espacio del mapa. Estas herramientas anticipan los archivos visuales del futuro y cambiarán el modo en que nos relacionaremos con nuestra memoria visual.

En 2019 presentaste, junto a Joan Fontcuberta, el proyecto «Prosopagnosia», una colección de imágenes realistas de personas que, probablemente, nunca existieron. ¿De dónde surgió la idea?

Joan Fontcuberta y yo tenemos un taller de trabajo en Roca Umbert Fábrica de las Artes, una antigua fábrica textil de la ciudad de Granollers (Barcelona) concebida actualmente como un gran centro cultural, artístico y tecnológico. Allí coincidimos a menudo y en una de esas ocasiones me comentó que estaba trabajando con una colección de imágenes muy curiosa; se trataba de un conjunto de retratos originales de personajes muy conocidos en los años 20, pertenecientes al archivo del periodista Alonso Bonet del diario La Prensa, que estuvo activo en Gijón entre 1921 y 1936. Consiste en una curiosa colección de recortes muy diversos que el periodista utilizaba cuando tenía que dar una noticia concreta sobre el personaje.

En el ámbito del deep learning, desde 2014, año en el que Ian Goodfellow y sus colaboradores alumbraron la idea de un modelo generativo denominado GAN (generative adversarial networks), se estaba trabajando para mejorar el modelo y conseguir retratos generados de personas que fuesen indistinguibles de retratos reales. Nos pareció muy potente la idea de poder generar retratos del pasado, retratos antiguos de personajes famosos que nunca han existido, a partir de la colección de Alonso Bonet. Por otro lado, la prosopagnosia es un trastorno de la percepción y la memoria que dificulta y puede llegar a imposibilitar reconocer los rostros. «Prosopagnosia» era un buen título para el proyecto: imposibilidad de reconocer retratos del pasado, porque en realidad nunca existieron, aunque hubiesen podido. En el libro que publicó la editorial RM se muestra, por un lado, la colección de Alonso Bonet, y, por otro, se puede seguir el proceso de creación de la computadora, que se inicia con la generación de imágenes con los píxeles ordenados al azar, pero en el que poco a poco se va desvelando el patrón asociado a los rostros. El libro recoge así la maravillosa secuencia de aprendizaje del algoritmo que nos evoca pasos importantes en la historia del arte: expresionismo, cubismo, surrealismo, abstracción, de forma similar a como la ontogenia muestra la morfogénesis de un ser vivo. El resultado de este proceso es una nueva colección de imágenes fotorrealistas de personas históricas posibles que nunca existieron. Las imágenes finales son, en su mayoría, fotográficamente convincentes. El proyecto resultó premiado en ARCO-BEEP 2020 e incorporado a su colección de arte electrónico.

¿Cómo funciona el sistema de IA que os permitió desarrollar el proyecto?

Hemos utilizado redes generativas antagónicas o generative adversarial networks (GAN). Este sistema permite generar fotografías que parecen auténticas a observadores humanos. La GAN es un tipo de algoritmo de deep learning no supervisado en el que dos redes neuronales artificiales funcionan conectadas y compiten entre sí. Parece la visión de un milagro la forma en que las redes generativas antagónicas, que son dos redes neuronales que interactúan entre sí para generar algo completamente nuevo, son capaces de convertir ruido aleatorio en un retrato fotográfico sin haber recibido información previa de conceptos de alto nivel figurativo como «cabeza», «orejas», «”ojos». Para que el sistema generativo tenga éxito también se le pide que no reproduzca imágenes iguales a las del conjunto de entrenamiento, sino que proporcione nuevas propuestas. Resulta revelador estudiar con detalle las estrategias que utilizan estos algoritmos para aprender. En el proceso, una red neuronal generadora y otra discriminadora trabajan conectadas. En el aprendizaje del discriminador es fundamental el etiquetado de las imágenes reales como «reales» y las generadas como «falsas». Pero en un momento concreto, la evolución del sistema se ve potenciada por el uso de estrategias de engaño que «sorprenden» al discriminador y le obligan a realizar correcciones sobre lo ya aprendido. Estas estrategias consisten en etiquetar imágenes generadas como si fueran «reales», y de nuevo este truco posibilita que el sistema generador realice las correcciones necesarias para realizar retratos más parecidos a los proporcionados como modelo. Las GAN se están utilizando para crear todo tipo de diseños en diferentes ámbitos y se augura un futuro muy prometedor, ya que son eficientes en generar la información faltante.

¿Hay algún proyecto que haya marcado un antes y un después en tu trayectoria?

A lo largo de mi formación me he visto forzada a tomar decisiones dolorosas para mis intereses en numerosas ocasiones. Por ejemplo, en el bachillerato tuve que elegir entre ciencias o letras; me resultó muy difícil tomar esa elección porque me encantaba la poesía, escribir historias, la música, aprender filosofía… pero también me enriquecía entender el funcionamiento de los procesos de la materia estudiando física, química o biología. Realmente me gustaba «todo» y tenía facilidad para superar las materias, por ese motivo sufría enormemente al tener que elegir y siempre, después de decidirme por una opción, me quedaba un sentimiento de pérdida. Cuando estudiaba Biología asistía a clases de Historia del Arte por las tardes, después, cuando trabajaba como programadora, al terminar la jornada laboral recibía clases de pintura. Vivía estos procesos como una escisión, como partes irreconciliables de mi persona que debía cultivar, pero a la vez mantener estancas. El proyecto que marca un antes y un después en mi trayectoria vital es mi investigación doctoral, en la que veo que puedo combinar mis conocimientos de los procesos de la visión con mis habilidades tecnológicas y mis capacidades artísticas. En este momento me doy cuenta de que es precisamente esta formación multidisciplinar la que puede facilitar la concepción y el desarrollo de propuestas que pueden ser innovadoras y aportar nuevos puntos de vista.

¿Consideras que la pandemia ha modificado alguno de tus procesos de trabajo?

Podría pensar que la pandemia ha facilitado la introspección, en casa a solas con el ordenador, poniendo a prueba nuevos algoritmos, pero en realidad no ha sido así. La pandemia ha imposibilitado dos procesos que son esenciales en mi proceso creativo. Por un lado, el contacto con otros colegas artistas con los que debatir, compartir experiencias y procesos. Por otro lado, la docencia: soy profesora de la facultad de Bellas Artes de la Universidad de Barcelona y de la Fundación Universitaria de Manresa, y para mí, la docencia es una gran fuente de aprendizaje. Enseñar es aprender, disfruto con mis alumn@s, compartiendo con ell@s ideas, poniéndome a prueba y escuchando sus puntos de vista acerca de problemáticas actuales. Durante la pandemia he mantenido contacto virtual con tod@s ell@s, pero me falta el contacto humano, soy un ser eminentemente social y esto ha afectado a mis procesos de trabajo. He presentado varias exposiciones a las que tampoco ha sido posible la asistencia de mucho público por las restricciones COVID-19. También en este caso me he visto privada del contacto final con el espectador, con sus preguntas y observaciones que enriquecen mi trabajo y hacen replantear o surgir nuevas ideas para desarrollos futuros. Buscando el lado positivo, la pandemia ha hecho que produzcamos muchas imágenes de situaciones inéditas que, en muchos casos, se han abocado a la red, y este hecho es interesante para abordarlo desde la imagen. Estoy trabajando en esta dirección y recuperando fotografías sobre estas cuestiones para elaborar un gran mapa que permita detectar los patrones que asociamos con esta situación.

Para finalizar, ¿tienes algún proyecto en mente para este 2021?

Sí… precisamente este año estoy en proceso de estabilizar mi carrera docente e investigadora en la Universitat de Barcelona. Este paso es importante para mí personalmente y también porque facilitará que, basándome en mi experiencia, pueda implementar en la enseñanza de los grados de Diseño y de Bellas Artes estas nuevas herramientas que los creadores tenemos a nuestra disposición para cocrear con las computadoras. Tengo muchas esperanzas también en incentivar el debate sobre las nuevas identidades contemporáneas y avivar la reflexión sobre la manera en que estos procesos se van a incorporar en la vida del futuro ser humano.

A nivel creativo estoy desarrollando, también junto a Joan Fontcuberta, nuevas series del proyecto «Prosopagnosia», que no para de crecer: la instalación titulada La petite mort, que se está exhibiendo actualmente en Etopia (Zaragoza) en el contexto de la exposición «New Ego», comisariada por Laura Baigorri, y que en septiembre se exhibirá en el Museo Nacional de Arte Contemporáneo de Bucarest (Rumanía). Actualmente estamos en proceso de producción del proyecto «Beautiful Agony» en Le Fresnoy, estudio nacional de artes contemporáneas en Tourcoing, Francia, que será presentado en la exposición «Panorama23», también en septiembre del 2021.

Así mismo, participo en la exposición «Herbart: botánica y creación artística» que presenta el resultado de las investigaciones y las producciones artísticas y documentales realizadas con motivo del encuentro con el mismo nombre, que tuvo lugar en abril de 2019, en varias sedes académicas, científicas e institucionales de la ciudad de Barcelona. En este proyecto, la flora y el herbario se han abordado como fuente de inspiración, de estudio y reflexión, desde las miradas creativa y científica. La muestra se podrá visitar simultáneamente en tres espacios: en la Sala Josep Uclés de Badalona, en el Invernadero del Jardín Histórico de la Universidad de Barcelona (Jardín Ferran Soldevila) y en el Instituto de Estudios Catalanes (IEC) (del 1 de junio al 25 de julio de 2021).

Enlaces relacionados

Web de Pilar Rosado: www.pilarrosado.eu

Artificia: https://www.artificia.pro/es/revolutionary-arkive-mnemosyne-2-0/

Blog MNAC: https://blog.museunacional.cat/la-visio-artificial-aplicada-a-les-obres-dart-una-nova-mirada/

Artículo en la revista Leonardo: https://direct.mit.edu/leon/article/52/3/255/46703/Computer-Vision-Models-to-Categorize-Art

«Pilar Rosado i la panoràmica perduda de les imatges», Núvol: https://www.nuvol.com/art/pilar-rosado-i-la-panoramica-perduda-de-les-imatges-60640

«Revolutionary arkive: Ordenar el desordre», Núvol: https://www.nuvol.com/pantalles/revolutionary-arkive-ordenar-el-desordre-55800

Artnodes: https://www.raco.cat/index.php/Artnodes/article/view/374036

Beep collection: https://www.beepcollection.art/joan-fontcuberta-pilar-rosado

Revista Arte Individuo y Sociedad: https://doi.org/10.5209/rev_ARIS.2016.v28.n2.48802

Cita recomendada: Mosaic. Entrevista con Pilar Rosado. Mosaic [en línea], junio 2021, no. 194. ISSN: 1696-3296. DOI: https://doi.org/10.7238/m.n194.2126