«Fes-ho nou»: IA, modernisme i art de bases de dades

Aquest assaig explora els paral·lelismes entre l’art generatiu contemporani creat per IA i el modernisme. Encara que la IA generativa i l’art modernista semblen ser oposats entre si (un es va centrar en «fer-ho nou», l’altre es basa en models d’entrenament sobre dades d’art ja existents), en realitat, són similars. Encara que els artistes modernistes es van oposar explícitament a les tradicions, van aconseguir la innovació en reinterpretar i incorporar formes d’art més antigues d’altres cultures. De la mateixa manera, les eines d’IA generativa permeten la creació de noves obres perquè estan entrenades amb enormes bases de dades d’art i mitjans ja existents. Per tant, l’art generat per IA encaixa en una llarga tradició en l’art modern i contemporani que implica crear nou art a partir de l’acumulació d’artefactes existents. Aquesta tradició abasta el collage i el fotomuntatge modernistes, el bricolatge postmodern, el Net art i l’obra d’artistes pioners en art dels nous mitjans com Nam June Paik. Els artistes contemporanis d’IA, com Refik Anadol i Lev Pereulkov, exemplifiquen la pràctica d’utilitzar models d’IA entrenats en conjunts de dades específiques per a produir obres d’art noves que dialoguen amb l’art històric alhora que introdueixen noves possibilitats estètiques. Els seus projectes, com Unsupervised i Artificial Experiments 1-10, il·lustren com les obres d’art d’IA poden interactuar creativament amb l’art antic, creant un diàleg continu entre els nous mitjans i les tradicions artístiques històriques.

La generació actual de sistemes d’IA generativa, com ChatGPT, Midjourney i Stable Diffusion, s’ha entrenat en conjunts de dades molt grans i diversos que consisteixen en trilions de textos individuals, o milers de milions d’imatges i les seves descripcions textuals. No obstant això, molts creadors que treballen amb IA generativa opten per ajustar els models d’IA existents usant les seves pròpies dades o entrenar els models únicament amb aquestes dades. També és molt interessant limitar les dades d’entrenament a una àrea més restringida dins de vast espai de la història cultural humana, o a un conjunt específic d’artistes d’un període històric específic. Un d’aquests projectes serà un punt de partida per a la meva anàlisi.

Unsupervised (2022) de Refik Anadol Studio és un projecte artístic d’IA que exemplifica aquestes possibilitats. El projecte utilitza un model d’IA entrenat en el conjunt de dades d’imatges de desenes de milers d’obres d’art de la col·lecció del MoMA (Museu d’Art Modern, Nova York). La col·lecció del MoMA és, al meu entendre, una de les millors representacions del període més creatiu i experimental de la història visual humana: els cent anys d’art modern entre 1870 i 1970. Captura els implacables i febrils experiments dels artistes modernistes per a crear nous llenguatges visuals i de comunicació i «fer-los nous».

Aparentment, la lògica del modernisme sembla estar diametralment oposada al procés d’entrenament de sistemes d’IA generativa. Els artistes moderns desitjaven allunyar-se de l’art clàssic i les seves característiques definitòries, com la simetria visual, les composicions jeràrquiques i el contingut narratiu. En altres paraules, el seu art es va fundar sobre el rebuig fonamental de tot allò havia vingut abans (almenys en teoria, com s’expressa en els seus manifests). Les xarxes neuronals s’entrenen de la manera oposada, aprenent de la cultura històrica i de l’art creats fins ara. Una xarxa neuronal és anàloga a un artista molt conservador que estudia en un «meta»museu sense parets que només alberga art històric.

Però tots sabem que la teoria i la pràctica artística no són el mateix. Els artistes moderns no van rebutjar per complet el passat i tot el que se’ls presentava. En el seu lloc, l’art modern es va desenvolupar reinterpretant i copiant imatges i formes de tradicions artístiques molt més antigues, com ara impressions japoneses (van Gogh), escultura africana (Picasso) i icones russes (Malevich). Per tant, els artistes només van rebutjar els paradigmes dominants de l’«art elevado» de l’època (realisme i art de saló), però no la resta de la història de l’art humà. En altres paraules, el modernisme era profundament historicista: en lloc d’inventar tot des de zero, innovava adaptant certa estètica antiga a contextos contemporanis d’art. En el cas de l’art abstracte geomètric creat en la dècada de 1910, aquests artistes van utilitzar imatges que ja s’utilitzaven àmpliament en psicologia experimental per a estudiar les sensacions visuals i la percepció humanes.

Quant a la IA artística, no hauríem de deixar-nos enlluernar per la forma en què s’entrenen aquests sistemes. Sí, les xarxes neuronals artificials estan entrenades en artefactes d’art i cultura humans ja existents. No obstant això, les seves imatges recentment generades no són rèpliques mecàniques ni simulacions del que ja s’ha creat. Al meu entendre, amb freqüència es tracta d’objectes culturals veritablement nous amb contingut, estètica o estils mai vists. En altres paraules, vull suggerir que els projectes d’art modern i els fenòmens artístics basats en IA són més similars del que pot semblar.

Per descomptat, el simple fet de ser nou no fa que alguna cosa sigui automàticament cultural o socialment interessant o significativa des del punt de vista cultural o social. De fet, moltes definicions de creativitat coincideixen en aquest punt: és la creació d’alguna cosa que sigui tant original com valuosa o útil.

No obstant això, estimar quin percentatge de tots els artefactes nous produïts per la IA generativa és també útil i/o significatiu per a una cultura més àmplia no és un projecte viable en aquest moment. D’una banda, no tinc coneixement de cap esforç sistemàtic per a utilitzar aquests sistemes amb la finalitat de «completar», per dir-ho així, una matriu massiva de tot el contingut i les possibilitats estètiques en proporcionar milions d’indicacions de text (prompts) dissenyades específicament. En canvi, és probable que, com en qualsevol altra àrea de la cultura popular, milions d’usuaris creïn una petita quantitat de possibilitats una vegada i una altra, la qual cosa deixa una llarga cua d’altres possibilitats sense materialitzar. Per tant, si només una petita fracció del vast univers de possibles creacions d’IA es realitza en la pràctica, no podem fer declaracions àmplies sobre l’originalitat o utilitat de la resta de l’univers.

Alguns artistes d’IA, com Anna Ridler, Sarah Meyohas i Refik Anadol, han utilitzat xarxes neuronals entrenades en conjunts de dades específiques en les seves obres. Molts altres artistes, dissenyadors, arquitectes i tecnòlegs utilitzen xarxes llançades per altres empreses o institucions de recerca que ja estaven entrenades en conjunts de dades molt grans (per exemple, Stable Diffusion) i després els ajusten amb les seves pròpies dades.

Per exemple, l’artista Lev Pereulkov va ajustar amb precisió el model 2.1 d’Stable Diffusion utilitzant 40 pintures de coneguts artistes «no conformistes» que van treballar a l’URSS a partir de la dècada de 1960 (Erik Bulatov, Ilya Kabakov i altres). La sèrie d’imatges de Pereulkov (2023) Artificial Experiments 1-10, creada amb aquest model personalitzat d’IA, és una obra original que captura els mons estètics i semàntics d’aquests artistes sense repetir de manera exacta cap de les seves obres existents. En el seu lloc, els seus «ADN» capturats pel model permeten la producció de nous significats i conceptes visuals.

La majoria dels milions de persones i professionals creatius que empren eines de mitjans generatius les utilitzen tal qual i no les personalitzen més. Això podria canviar en el futur a mesura que l’ajust d’aquestes eines per a seguir les nostres preferències estètiques es torna més comuna. En canvi, independentment d’aquests detalls, tots els artefactes culturals acabats de crear produïts per la IA generativa comparteixen una lògica comuna.

A diferència dels dibuixos, escultures i pintures tradicionals, els artefactes de mitjans generatius no es creen des de zero. Tampoc són el resultat de capturar algun fenomen sensorial, com les fotos, els vídeos o els enregistraments de so. En canvi lloc, es construeixen a partir d’un gran arxiu d’altres artefactes de mitjans. Aquest mecanisme generatiu vincula els mitjans generatius amb certs gèneres i processos d’art anteriors.

Podem comparar-ho amb l’edició cinematogràfica, que va aparèixer per primera vegada al voltant de 1898, o amb la fotografia composta, que va ser popular fins i tot abans, en el segle XIX. També podem considerar obres específiques especialment rellevants, com la pel·lícula experimental de collage A Movie (Bruce Conner, 1958) o moltes instal·lacions de Nam June Paik que presenten fragments editats de metratge de televisiu. Veure projectes com Unsupervised o Artificial Experiments 1-10 en el context d’aquesta tradició de creació de mitjans i les seves variacions històriques ens ajudarà a comprendre aquestes i moltes altres obres d’IA com a objectes d’art que participen en diàlegs amb art del passat en lloc de veure-les com a meres novetats tecnològiques o peces d’entreteniment.

Veig molts moments i períodes rellevants quan reviso la història de l’art, la cultura visual i els mitjans de comunicació a la recerca d’altres usos prominents d’aquest paradigma: crear nous objectes culturals a partir de col·leccions existents. Són rellevants per als mitjans generatius actuals no sols perquè molts artistes en diferents moments de la història dels mitjans van utilitzar aquest enfocament, sinó també perquè la motivació per a la seva recurrència periòdica sembla continuar sent la mateixa. Una nova acumulació i accessibilitat de masses d’artefactes culturals va portar els artistes a crear noves formes d’art impulsades per aquestes acumulacions. Permeteu-me descriure alguns d’aquests exemples.

Els artistes de Net art i els artistes digitals van crear algunes obres a la fi de la dècada de 1990 i principis dels 2000 en resposta al nou univers en ràpida expansió de la World Wide Web. Per exemple, _readme de Health Bunting (1998) és una pàgina web que conté el text d’un article sobre l’artista, amb cada paraula vinculada a un domini web existent corresponent a aquesta paraula. Shredder 1.0, de Mark Napier (també 1998), presenta un muntatge dinàmic d’elements que composen nombrosos llocs web (imatges, textos, codi HTML i enllaços).

Retrocedint a la dècada de 1980, també trobem artistes que varen reaccionar davant l’acumulació d’art històric i artefactes culturals en col·leccions de mitjans fàcilment accessibles. Aquest paradigma es coneix com «el postmodernisme». Els artistes i arquitectes postmoderns solien utilitzar el collage per a crear obres que incloïen cites i referències a l’art històric, rebutjant l’autoproclamat èmfasi del modernisme en la novetat i la ruptura amb el passat.

Encara que hi ha moltes explicacions possibles per a l’aparició del paradigma postmodern en aquest moment, una d’elles és particularment rellevant per a la nostra anàlisi. L’acumulació d’arts i artefactes mediàtics anteriors en col·leccions estructurades i accessibles –com a biblioteques de diapositives, arxius de pel·lícules, llibres de text d’història de l’art amb moltes fotos de les obres i altres formats, on diferents períodes històrics, moviments i creadors es van posicionar junts– va inspirar als artistes a començar a crear collages a partir de tals referències, així com a citar-les àmpliament.

I què passa amb el modernisme de 1910 a 1920? Encara que els modernistes afirmaven valorar l’originalitat i la innovació, un dels mètodes que van emprar per a aconseguir aquesta novetat va ser la incorporació de cites directes de l’àmbit en ràpida expansió dels mitjans visuals contemporanis. En aquestes dècades, l’ús de titulars grans i la inclusió de fotos i mapes van fer que els diaris tinguessin un major impacte visual; es van llançar noves revistes molt més visuals, com Vogue i Times, en 1913 i 1923, respectivament; i, per descomptat, el nou mitjà del cinema va continuar desenvolupant-se.

En resposta a aquesta intensificació visual de la cultura de masses, el 1912 Georges Braque i Pablo Picasso van començar a incorporar a les seves pintures diaris, pòsters, paper de tapís i fragments de tela. Uns anys més tard, John Heartfield, George Grosz, Hannah Hoch, Aleksandr Rodchenko i altres artistes van començar a desenvolupar fotomuntatges, que es van convertir en un altre mètode per a crear nous artefactes mediàtics a partir d’imatges existents dels mitjans dels mitjans de comunicació de masses.

Les obres contemporànies que empren models d’IA entrenats en bases de dades culturals, com Unsupervised o Artificial Experiments 1-10, continuen una llarga tradició de creació de nou art a partir d’acumulacions d’imatges i altres mitjans. Per tant, aquestes obres creen noves possibilitats per a l’art i les seves metodologies, específicament dins de l’àmbit d’allò que vaig descriure com a «art de bases de dades» (Manovich, 1999). La introducció de nous mètodes per a llegir bases de dades culturals i crear noves narratives a partir d’elles és part d’aquesta expansió.

Unsupervised, ni crea collages a partir d’imatges existents, com van fer els artistes modernistes de la dècada de 1920, ni les cita àmpliament, com van fer els artistes postmoderns de la dècada de 1980. En el seu lloc, Refik Anadol Studio va entrenar un model d’IA per a extreure patrons de desenes de milers d’obres d’art del MoMA. El model pot generar noves imatges que tenen els mateixos patrons que les dades d’entrenament, però que no s’assemblen a cap pintura específica. No obstant això, en lloc de simplement mostrar aquestes imatges per separat, la instal·lació presenta als espectadors una animació en constant canvi. Mentre l’observem, viatgem a través d’aquests patrons (per exemple, «espai latent»), explorant diverses regions de l’univers de l’art modern tal com està representat en la col·lecció del MoMA.

Els Artificial Experiments 1-10 de Pereulkov utilitzen una tècnica diferent per a generar noves imatges a partir d’una base de dades d’imatges existent. Va triar només quaranta pintures d’artistes que comparteixen certes característiques. Van desenvolupar el seu art reivindicatiu en la societat comunista de les acaballes de l’URSS (1960-1980). També vivien en la mateixa cultura visual. En els meus records, aquella societat estava dominada per dos colors: el gris (que representa la monotonia de la vida urbana) i el vermell per a eslògans i banderes de propaganda.

A més, Pereulkov va triar pintures que comparteixen alguna cosa més: «Com a regla general, vaig triar pintures que d’alguna manera es relacionen conceptualment amb el llenç, o amb l’espai contingut en aquest. Per exemple, utilitzo la imatge de la pintura New Accordion d’Ilya Kabakov, que presenta aplicacions de paper sobre el llenç» (comunicació personal amb Pereulkov, 04/16/2023). Pereulkov també va crear descripcions de text personalitzades de cada pintura utilitzada per a ajustar el model de generació d’imatges d’Stable Diffusion. Per a ensenyar al model els llenguatges visuals específics dels artistes triats, va afegir termes com ara «traços gruixuts», «il·luminació vermella», «fons blau» i «cercles plans» a aquestes descripcions.

Clarament, cadascun d’aquests passos representa una decisió conceptual i estètica. En altres paraules, la clau per a l’èxit d’Artificial Experiments 1-10 és la creació d’una base de dades personalitzada amb imatges artístiques particulars i descripcions específiques afegides per l’autor. Aquesta obra demostra com ajustar un model d’IA existent entrenat amb milers de milions de parells d’imatges i text (com Stable Diffusion) pot fer que aquesta xarxa segueixi les idees de l’artista. Els biaixos i el soroll d’una xarxa tan massiva poden superar-se i minimitzar-se, sense necessitat de que dominin la nostra pròpia imaginació.

Nota

En anglès el terme Modernisme designa els corrents artístics vinculats a les Avantguardes històriques i també posteriors a la Segona Guerra Mundial, i no al Modernisme entès com l’Art Noveau que es va desenvolupar a la fi del segle XIX i principis del XX.

Cita recomanada: MANOVICH, Lev. «Fes-ho nou»: IA, modernisme i art de bases de dades. Mosaic [en línia], octubre 2024, no. 201. ISSN: 1696-3296. DOI: https://doi.org/10.7238/m.n201.2404