«Hazlo nuevo»: IA, modernismo y arte de bases de datos

Este ensayo explora los paralelismos entre el arte generativo contemporáneo creado por IA y el modernismo. Aunque la IA generativa y el arte modernista parecen ser opuestos entre sí (uno se centró en «hacerlo nuevo», el otro se basa en modelos de entrenamiento sobre datos de arte ya existentes), en realidad, son similares. Aunque los artistas modernistas se opusieron explícitamente a las tradiciones, lograron la innovación al reinterpretar e incorporar formas de arte más antiguas de otras culturas. Del mismo modo, las herramientas de IA generativa permiten la creación de nuevas obras porque están entrenadas con enormes bases de datos de arte y medios ya existentes. Por lo tanto, el arte generado por IA encaja en una larga tradición en el arte moderno y contemporáneo que implica crear nuevo arte a partir de la acumulación de artefactos existentes. Esta tradición abarca el collage y el fotomontaje modernistas, el bricolaje posmoderno, el Net art y la obra de artistas pioneros en arte de los nuevos medios como Nam June Paik. Los artistas contemporáneos de IA, como Refik Anadol y Lev Pereulkov, ejemplifican la práctica de utilizar modelos de IA entrenados en conjuntos de datos específicos para producir obras de arte novedosas que dialogan con el arte histórico a la vez que introducen nuevas posibilidades estéticas. Sus proyectos, como Unsupervised y Artificial Experiments 1-10, ilustran cómo las obras de arte de IA pueden interactuar creativamente con el arte antiguo, creando un diálogo continuo entre los nuevos medios y las tradiciones artísticas históricas.

La generación actual de sistemas de IA generativa, como ChatGPT, Midjourney y Stable Diffusion, se ha entrenado en conjuntos de datos muy grandes y diversos que consisten en trillones de textos individuales, o miles de millones de imágenes y sus descripciones textuales. Sin embargo, muchos creadores que trabajan con IA generativa optan por ajustar los modelos de IA existentes usando sus propios datos o entrenar los modelos únicamente con dichos datos. También es muy interesante limitar los datos de entrenamiento a un área más restringida dentro del vasto espacio de la historia cultural humana, o a un conjunto específico de artistas de un período histórico específico. Uno de estos proyectos será un punto de partida para mi análisis.

Unsupervised (2022) de Refik Anadol Studio es un proyecto artístico de IA que ejemplifica estas posibilidades. El proyecto utiliza un modelo de IA entrenado en el conjunto de datos de imágenes de decenas de miles de obras de arte de la colección del MoMA (Museo de Arte Moderno, Nueva York). La colección del MoMA es, en mi opinión, una de las mejores representaciones del período más creativo y experimental de la historia visual humana: los cien años de arte moderno entre 1870 y 1970. Captura los implacables y febriles experimentos de los artistas modernistas para crear nuevos lenguajes visuales y de comunicación y «hacerlos nuevos».

Aparentemente, la lógica del modernismo parece estar diametralmente opuesta al proceso de entrenamiento de sistemas de IA generativa. Los artistas modernos deseaban alejarse del arte clásico y sus características definitorias, como la simetría visual, las composiciones jerárquicas y el contenido narrativo. En otras palabras, su arte se fundó sobre el rechazo fundamental de todo lo que había venido antes (al menos en teoría, como se expresa en sus manifiestos). Las redes neuronales se entrenan de la manera opuesta, aprendiendo de la cultura histórica y del arte creado hasta ahora. Una red neuronal es análoga a un artista muy conservador que estudia en un «meta»museo sin paredes que solo alberga arte histórico.

Pero todos sabemos que la teoría y la práctica artística no son lo mismo. Los artistas modernos no rechazaron por completo el pasado y todo lo que se les presentaba. En su lugar, el arte moderno se desarrolló reinterpretando y copiando imágenes y formas de tradiciones artísticas mucho más antiguas , como impresiones japonesas (van Gogh), escultura africana (Picasso) e iconos rusos (Malevich). Por lo tanto, los artistas solo rechazaron los paradigmas dominantes del «arte elevado» de la época (realismo y arte de salón), pero no el resto de la historia del arte humano. En otras palabras, el modernismo era profundamente historicista: en lugar de inventar todo desde cero, innovaba adaptando cierta estética antigua a contextos contemporáneos de arte. En el caso del arte abstracto geométrico creado en la década de 1910, estos artistas utilizaron imágenes que ya se utilizaban ampliamente en psicología experimental para estudiar las sensaciones visuales y la percepción humana.

En cuanto a la IA artística, no deberíamos dejarnos cegar por la forma en que estos sistemas son entrenados. Sí, las redes neuronales artificiales están entrenadas en artefactos de arte y cultura humanos ya existentes. Sin embargo, sus imágenes recién generadas no son réplicas mecánicas ni simulaciones de lo que ya se ha creado. En mi opinión, con frecuencia se trata de objetos culturales verdaderamente nuevos con contenido, estética o estilos nunca vistos. En otras palabras, quiero sugerir que los proyectos de arte moderno y los fenómenos artísticos basados en IA son más similares de lo que puede parecer.

Por supuesto, el simple hecho de ser novedoso no hace que algo sea automáticamente interesante o significativo desde el punto de vista cultural o social. De hecho, muchas definiciones de creatividad coinciden en este punto: es la creación de algo que sea tanto original como valioso o útil.

Sin embargo, estimar qué porcentaje de todos los artefactos novedosos producidos por la IA generativa es también útil y/o significativo para una cultura más amplia no es un proyecto viable en este momento. Por un lado, no tengo conocimiento de ningún esfuerzo sistemático para utilizar dichos sistemas con el fin de «completar», por así decirlo, una matriz masiva de todo el contenido y las posibilidades estéticas al proporcionar millones de indicaciones (prompts) diseñadas específicamente. En cambio, es probable que, como en cualquier otra área de la cultura popular, millones de usuarios creen una pequeña cantidad de posibilidades una y otra vez, lo que deja una larga cola de otras posibilidades sin materializar. Por lo tanto, si solo una pequeña fracción del vasto universo de posibles creaciones de IA se realiza en la práctica, no podemos hacer declaraciones amplias sobre la originalidad o utilidad del resto del universo.

Algunos artistas de IA, como Anna Ridler, Sarah Meyohas y Refik Anadol, han utilizado redes neuronales entrenadas en conjuntos de datos específicos en sus obras. Muchos otros artistas, diseñadores, arquitectos y tecnólogos utilizan redes lanzadas por otras empresas o instituciones de investigación que ya estaban entrenadas en conjuntos de datos muy grandes (p. ej., Stable Diffusion) y luego los ajustan con sus propios datos.

Por ejemplo, el artista Lev Pereulkov ajustó con precisión el modelo 2.1 de Stable Diffusion utilizando 40 pinturas de conocidos artistas «no conformistas» que trabajaron en la URSS a partir de la década de 1960 (Erik Bulatov, Ilya Kabakov y otros). La serie de imágenes de Pereulkov (2023) Artificial Experiments 1-10, creada con este modelo personalizado de IA, es una obra original que captura los mundos estéticos y semánticos de estos artistas sin repetir de manera exacta ninguna de sus obras existentes. En cambio, sus «ADN» capturados por el modelo permiten la producción de nuevos significados y conceptos visuales.

La mayoría de los millones de personas y profesionales creativos que emplean herramientas de medios generativos las utilizan tal cual y no las personalizan más. Esto podría cambiar en el futuro a medida que el ajuste de estas herramientas para seguir nuestras preferencias estéticas se vuelve más común. Sin embargo, independientemente de estos detalles, todos los artefactos culturales recién creados producidos por la IA generativa comparten una lógica común.

A diferencia de los dibujos, esculturas y pinturas tradicionales, los artefactos de medios generativos no se crean desde cero. Tampoco son el resultado de capturar algún fenómeno sensorial, como fotos, vídeos o grabaciones de sonido. En cambio, se construyen a partir de un gran archivo de otros artefactos de medios. Este mecanismo generativo vincula los medios generativos con ciertos géneros y procesos de arte anteriores.

Podemos compararlo con la edición cinematográfica, que apareció por primera vez alrededor de 1898, o con la fotografía compuesta, que fue popular incluso antes, en el siglo XIX. También podemos considerar obras específicas especialmente relevantes, como la película experimental de collage A Movie (Bruce Conner, 1958) o muchas instalaciones de Nam June Paik que presentan fragmentos editados de metraje televisivo. Ver proyectos como Unsupervised o Artificial Experiments 1-10 en el contexto de esta tradición de creación de medios y sus variaciones históricas nos ayudará a comprender estas y muchas otras obras de IA como objetos de arte que participan en diálogos con arte del pasado en lugar de verlas como meras novedades tecnológicas o piezas de entretenimiento.

Veo muchos momentos y períodos relevantes cuando reviso la historia del arte, la cultura visual y los medios de comunicación en busca de otros usos prominentes de este paradigma: crear nuevos objetos culturales a partir de colecciones existentes. Son relevantes para los medios generativos actuales no solo porque muchos artistas en diferentes momentos de la historia de los medios utilizaron este enfoque, sino también porque la motivación para su recurrencia periódica parece seguir siendo la misma. Una nueva acumulación y accesibilidad de masas de artefactos culturales llevó a los artistas a crear nuevas formas de arte impulsadas por estas acumulaciones. Permitidme describir algunos de estos ejemplos.

Los artistas de Net art y los artistas digitales crearon algunas obras a finales de la década de 1990 y principios de los 2000 en respuesta al nuevo universo en rápida expansión de la World Wide Web. Por ejemplo, _readme de Health Bunting (1998) es una página web que contiene el texto de un artículo sobre el artista, con cada palabra vinculada a un dominio web existente correspondiente a esa palabra. Shredder 1.0, de Mark Napier (también 1998), presenta un montaje dinámico de elementos que componen numerosos sitios web (imágenes, textos, código HTML y enlaces).

Retrocediendo a la década de 1980, también encontramos artistas que reaccionaron ante la acumulación de arte histórico y artefactos culturales en colecciones de medios fácilmente accesibles. Este paradigma se conoce como «el posmodernismo». Los artistas y arquitectos posmodernos solían utilizar el collage para crear obras que incluían citas y referencias al arte histórico, rechazando el autoproclamado énfasis del modernismo en la novedad y la ruptura con el pasado.

Aunque hay muchas explicaciones posibles para la aparición del paradigma posmoderno en ese momento, una de ellas es particularmente relevante para nuestro análisis. La acumulación de artes y artefactos mediáticos anteriores en colecciones estructuradas y accesibles –como bibliotecas de diapositivas, archivos de películas, libros de historia del arte con muchas fotos de las obras y otros formatos, donde diferentes períodos históricos, movimientos y creadores se posicionaban juntos– inspiró a los artistas a comenzar a crear collages a partir de tales referencias, así como a citarlas ampliamente.

¿Y qué pasa con el modernismo de 1910 a 1920? Aunque los modernistas afirmaban valorar la originalidad y la innovación, uno de los métodos que emplearon para lograr esta novedad fue la incorporación de citas directas del ámbito en rápida expansión de los medios visuales contemporáneos. En estas décadas, el uso de titulares grandes y la inclusión de fotos y mapas hicieron que los periódicos tuvieran un mayor impacto visual; se lanzaron nuevas revistas mucho más visuales, como Vogue y Times, en 1913 y 1923, respectivamente; y, por supuesto, el nuevo medio del cine continuó desarrollándose.

En respuesta a esta intensificación visual de la cultura de masas, en 1912 Georges Braque y Pablo Picasso comenzaron a incorporar a sus pinturas periódicos, pósteres, papel tapiz y fragmentos de tela. Unos años más tarde, John Heartfield, George Grosz, Hannah Hoch, Aleksandr Rodchenko y otros artistas comenzaron a desarrollar fotomontajes, que se convirtieron en otro método para crear nuevos artefactos mediàticos a partir de imágenes existentes de los medios de comunicación de masas.

Las obras contemporáneas que emplean modelos de IA entrenados en bases de datos culturales, como Unsupervised o Artificial Experiments 1-10, continúan una larga tradición de creación de nuevo arte a partir de acumulaciones de imágenes y otros medios. Por lo tanto, estas obras crean nuevas posibilidades para el arte y sus metodologías, específicamente dentro del ámbito de lo que describí como «arte de bases de datos» (Manovich, 1999). La introducción de nuevos métodos para leer bases de datos culturales y crear nuevas narrativas a partir de ellas es parte de esta expansión.

Unsupervised, ni crea collages a partir de imágenes existentes, como hicieron los artistas modernistas de la década de 1920, ni la s cita ampliamente, como hicieron los artistas posmodernos de la década de 1980. En su lugar, Refik Anadol Studio entrenó un modelo de IA para extraer patrones de decenas de miles de obras de arte del MoMA. El modelo puede generar nuevas imágenes que tienen los mismos patrones que los datos de entrenamiento, pero que no se parecen a ninguna pintura específica. Sin embargo, en lugar de simplemente mostrar estas imágenes por separado, la instalación presenta a los espectadores una animación en constante cambio. Mientras la observamos, viajamos a través de estos patrones (por ejemplo, «espacio latente»), explorando diversas regiones del universo del arte moderno tal y como está representado en la colección del MoMA.

Los Artificial Experiments 1-10 de Pereulkov utilizan una técnica diferente para generar nuevas imágenes a partir de una base de datos de imágenes existente. Eligió solo cuarenta pinturas de artistas que comparten ciertas características. Desarrollaron su arte reivindicativo en la sociedad comunista de las postrimerías de la URSS (1960-1980). También vivían en la misma cultura visual. En mis recuerdos, esa sociedad estaba dominada por dos colores: el gris (que representa la monotonía de la vida urbana) y el rojo para eslóganes y banderas de propaganda.

Además, Pereulkov eligió pinturas que comparten algo más: «Como regla general, escogí pinturas que de alguna manera se relacionan conceptualmente con el lienzo, o con el espacio contenido en el mismo. Por ejemplo, utilizo la imagen de la pintura New Accordion de Ilya Kabakov, que presenta aplicaciones de papel sobre el lienzo» (comunicación personal con Pereulkov, 04/16/2023). Pereulkov también creó descripciones de texto personalizadas de cada pintura utilizada para ajustar el modelo de generación de imágenes de Stable Diffusion. Para enseñar al modelo los lenguajes visuales específicos de los artistas elegidos, añadió términos como «trazos gruesos», «iluminación roja», «fondo azul» y «círculos planos» a estas descripciones.

Claramente, cada uno de estos pasos representa una decisión conceptual y estética. En otras palabras, la clave para el éxito de Artificial Experiments 1-10 es la creación de una base de datos personalizada con imágenes artísticas particulares y descripciones específicas añadidas por el autor. Esta obra demuestra cómo ajustar un modelo de IA existente entrenado con miles de millones de pares de imágenes y texto (como Stable Diffusion) puede hacer que esta red siga las ideas del artista. Los sesgos y el ruido de una red tan masiva pueden superarse y minimizarse, sin necesidad de que dominen nuestra propia imaginación.

Nota

En inglés el término Modernismo designa las corrientes artísticas vinculadas a las Vanguardias históricas y también posteriores a la Segunda Guerra Mundial, y no al Modernismo entendido como el Art Noveau que se desarrolló a finales del siglo XIX y principios del XX.

Cita recomendada: MANOVICH, Lev. «Hazlo nuevo»: IA, modernismo y arte de bases de datos Lev Manovich. Mosaic [en línea], octubre 2024, no. 201. ISSN: 1696-3296. DOI: https://doi.org/10.7238/m.n201.2404