Elmyr de Hory fue un pintor húngaro que tenía una extraordinaria habilidad para imitar el estilo de la pintura de grandes artistas como Picasso, Matisse o Renoir. Se ganó la vida como falsificador, creando obras “originales” de esos artistas. No copiaba, sino que pintaba nuevos temas con un estilo que incluso los galeristas más expertos atribuían a los autores originales.
Ahora la inteligencia artificial me permite emular a Elmyr de Hory. En el mundo del arte, cuando un artista imita un estilo que no es el suyo el resultado se llama pastiche. En el mundo de la tecnología, el nombre es neural style transfer. Se trata de enseñar a una red neuronal a distinguir entre el contenido de una imagen y su estilo. Luego, el artilugio puede aplicar ese estilo a cualquier otra imagen, creando una obra “original” en el estilo que ha aprendido.
Últimamente he estado jugando con esta tecnología. Aún no es perfecta, pero los resultados son a veces sorprendentes. Una de las cosas que más me intrigan de las técnicas de deep learning es que no hay forma de saber lo que piensa la máquina, qué criterios sigue para hacer lo que ha aprendido a hacer. La única forma de intentar entender lo que hace es observarla y experimentar.
El resultado es a veces sorprendente
En ese proceso surgen a veces imágenes poderosas, hermosas o inquietantes. Invitan a pensar en los atributos del arte, la percepción de la belleza y las cualidades que hacen que una obra sea auténtica u original. Y también en este tiempo extraño que se acerca, donde la frontera entre lo humano y lo sintético se desdibuja.
En la imagen, un autorretrato de juventud pintado por una red neuronal en un estilo neocubista.
(Si tienes una foto con la que te apetezca jugar, mándamela y se la enseño a mi red neuronal para que haga un pastiche con el estilo de tu artista favorito)
Interesantísimo. Hace siglos que imagino un programa así; mi mejor amigo era pintor y hemos hablado de convertir cualquier imagen en un Chagall o un Dalí infinidad de veces.
Un abrazo fuerte.
Si me mandas una foto que te guste y un cuadro de Chagall que también te guste se los mostraré a mi red neuronal a ver qué dice. Puede que te sorprenda. Un abrazote.
Sigo sin ver la «Inteligencia» en todo esto, independientemente de lo interesante de los resultados. Un pintor, neocubista por ejemplo, aplica unos criterios, los suyos, dentro de una corriente pictórica, para pintar sus cuadros «neocubistas». Es posible identificar los cuadros de un determinado pintor a pesar de que se ajusten a una corriente pictórica. Dicho de otra forma, aunque exista una «corriente» que, de alguna forma, «marca» unos parámetro o, mejor aún, fija un «marco», la personalidad de cada pintor produce resultados diferentes aún dentro de la corriente.
El sistema por el cual una red neuronal «aprende» y luego, IMITA un estilo determinado carece de creatividad. De hecho, producirá cuadros tipo Chagall, Dalí, o cualquier otro según le hayamos enseñado..y, efectivamente, no sabemos la lógica que utiliza la red para aprender, o deducir esquemas, de lo que «ve». En algún lugar el conjunto de algoritmos que permiten a la red «Aprender» determinan ese «comportamiento». En última instancia, estamos viendo el resultado de la creatividad algorítmica del autor del código de la red.
Este es uno de los temas mas inquietantes de la IA. ¿En que medida, involuntaria, o voluntariamente, traslada el creador de los algoritmos sus propios prejuicios, inclinaciones, carencias,……?
En el deep learning los algoritmos son mecánicos y bastante sencillos. El «milagro» se produce cuando una gran cantidad de neuronas con una programación muy básica se organizan espontáneamente para responder a los estímulos proporcionados de la forma en que se espera que lo hagan.
No es el creador de los algoritmos quien traslada a la máquina sus prejuicios o tendencias, sino el propio proceso de aprendizaje. Un caso conocido es el de las mancuernas. La red neuronal aprendió que una mancuerna siempre lleva incluida una mano humana porque en todos los casos de mancuerna que había visto, una mano las sujetaba.
En los casos más complejos, las redes neuronales asumirán los valores y supuestos del entorno en el que operan, es decir, de la información que se les suministra para el aprendizaje. La información nunca es neutral, y en el caso del big data, como en las encuestas, los sesgos a menudo los genera la distribución de las muestras.