Hoy toca meterme en un charco. Un tema que comento en mis charlas y siempre genera mucha expectación y debate. La inteligencia artificial generativa está cambiando el panorama creativo. ¿Pero dónde se traza la línea entre la inspiración y el plagio cuando se trata de máquinas que aprenden del arte humano?

La Mona Lisa de la era digital

Tomemos un ejemplo que todo el mundo conoce: la Mona Lisa. Si le pides a una IA que genere una imagen de esta obra icónica, lo más probable es que obtengas algo que te resulte extrañamente familiar. Pero, ¿ha copiado la IA la Mona Lisa? La respuesta rápida es: «¡Por supuesto! ¡La IA a la hoguera!». La respuesta técnica y detallada que os voy a contar es: «No. Técnicamente no es plagio y ahora os explico por qué».

La distribución de probabilidad

Los modelos de IA generativos como GPT-4, MidJourney, Gemini, etc., no copian literalmente. Más bien, crean contenido a través de lo que se conoce como distribución de probabilidad. Imagínalo como una receta secreta donde los ingredientes son los datos de entrenamiento y los sabores son patrones que la IA ha aprendido. A partir de esta fórmula, la IA puede cocinar algo totalmente nuevo y único.

Es más, el modelo de IA, una vez ha obtenido su fórmula, borra los datos originales. Entonces, ¿cómo es posible que genere una Mona Lisa tan similar sin los datos originales? Los modelos de IA generativa trabajan con una representación interna, una especie de comprensión abstracta de lo que hace que la Mona Lisa sea reconocible, sin almacenar copias de la obra original.

Al generar una nueva imagen que nos recuerda a la Mona Lisa, lo hace evocando las cualidades que ha identificado como esenciales durante su entrenamiento. Puede imitar la disposición de los elementos, la paleta de colores, incluso la atmósfera, sin tener acceso directo a la imagen de la Mona Lisa en sí.

Esta habilidad de recrear y reinterpretar sin copiar es lo que diferencia a la IA generativa del plagio y la coloca en el reino de la inspiración. Genera resultados que pueden recordarnos las obras originales, pero lo hace a través de una memoria creativa, una destilación de la esencia de lo que ha aprendido, no mediante una reproducción exacta.

De hecho, la IA no almacena las cualidades de las obras de una forma que sea directamente comprensible para los humanos. No hay una lista en algún lugar dentro de la IA que detalle «los colores de la Mona Lisa son…» o «el trazado de esta pintura es…». En lugar de eso, lo que la IA tiene son vectores de datos, que son esencialmente coordenadas en un espacio de alta dimensión que nosotros, como humanos, no podemos visualizar ni entender intuitivamente. Es una representación matemática compuesta por números y dimensiones que la IA utiliza para codificar todo lo que ha aprendido.

Vectores de datos

Estos vectores son el ADN del arte que la IA puede crear. Contienen información codificada sobre patrones, texturas, relaciones entre elementos, estilos y mucho más. Pero a diferencia de un código que un humano podría descifrar, estos vectores de datos no se traducen directamente en instrucciones o imágenes. Para la IA, sin embargo, son las instrucciones que necesita para generar nuevas creaciones.

Cuando se genera una nueva imagen, la IA traduce estos vectores de datos de vuelta a algo visual. Es un proceso parecido a un artista que toma sus emociones abstractas y las traduce en pinceladas sobre un lienzo. El resultado es una obra que puede evocar los elementos de las imágenes en su entrenamiento, pero combinados de maneras únicas e innovadoras.

Por lo tanto, aunque una imagen generada por la IA pueda recordarnos a la Mona Lisa, no es una copia ni una reproducción. Es más como un eco, una resonancia de lo que la IA calcula en su propio y complejo lenguaje de vectores. Y cada vez que nos pide que genere una imagen, lo que obtenemos es la interpretación de ese momento, influenciada por el vasto espacio de posibilidades que la IA tiene en su interior.

Interpolación: la creatividad definitiva

La interpolación en la inteligencia artificial es donde realmente empieza a brillar la chispa de la creatividad de la IA. Este proceso permite que la IA no solo reproduzca patrones basados en la distribución de probabilidad que ha aprendido, sino que también mezcle y combine diferentes distribuciones para generar algo completamente nuevo. En este punto, la IA se coloca su sombrero de chef y comienza a experimentar, creando fusiones y variaciones inéditas.

Imagina que tienes una paleta con algunos colores primarios. La interpolación sería como mezclar esos colores para obtener una gama completamente nueva. La IA hace algo similar, pero con conceptos y patrones artísticos. Toma elementos que ha aprendido de diferentes obras y estilos y los combina de maneras que pueden ser muy sorprendentes.

Pero la interpolación va más allá de la mera combinación de características, se trata de descubrir nuevas formas que residen entre los ejemplos conocidos. Es el arte de encontrar puntos medios entre diferentes ideas que nunca se han encontrado antes. Al fin y al cabo, lo que la IA está haciendo no es simplemente mezclar por mezclar, sino que está buscando esos espacios únicos entre los datos aprendidos que aún no existen en el mundo material.

En este acto de equilibrio creativo, donde se fusionan datos y patrones, algunos expertos, incluido yo, encontramos un paralelismo con la creatividad humana. Como artistas, tomamos nuestras influencias, experiencias, conocimientos… y los fusionamos para crear algo que siente propio y original. La IA, con su capacidad de interpolación, hace algo parecido: toma sus experiencias y las sintetiza en nuevas creaciones.

No olvidemos la sobre-explotación y la ingeniería de prompts

La sobre-explotación ocurre cuando un modelo de IA se satura de ciertos tipos de datos, lo que puede dar lugar a que la IA favorezca la generación de obras que son demasiado similares entre sí o que se inclinen excesivamente hacia los patrones más comunes en el conjunto de datos de entrenamiento. Al igual que un artista que solo pinta con azul porque ese es el único color que conoce, una IA sobre-expuesta puede perder la capacidad de sorprendernos y, en su lugar, simplemente reproducir variaciones de lo familiar. Aquí es donde entra en juego la responsabilidad de quienes entrenan y programan la IA, asegurándose de que haya suficiente variedad y equilibrio en los datos para fomentar la verdadera innovación.

Por otro lado, tenemos la ingeniería de prompts, una habilidad crítica para los usuarios de IA generativa. Un prompt bien diseñado actúa como un mapa para la IA, indicándole en qué dirección explorar dentro de su espacio creativo. La clave es ser específico y original en los prompts para evitar caer en el cliché o la repetición.

Los prompts pueden guiar a la IA hacia territorios menos explorados, impulsando la creación de obras que son frescas y estimulantes. Con prompts cuidadosamente elaborados, podemos evitar la trampa de la sobre-explotación y, en cambio, cultivar un paisaje artístico diverso y rico.

Seguro que a muchos les surge una duda legítima: «Está bien todo lo que dices, pero al final, los datos originales los ha obtenido la IA de internet y no eran suyos». Y es un punto para reflexionar. A esto respondo con una pregunta para abrir el debate: «Entonces, ¿todos los artistas que se han inspirado de la fuente inagotable de datos de internet son plagiadores?»

¿Qué significa ser original? La originalidad en el arte siempre ha sido un tema de debate. Ninguna idea es completamente nueva, todas son el resultado de una larga cadena de influencias, experiencias y perspectivas que se han ido acumulando a lo largo del tiempo. Lo que cuenta es cómo cada creador (humano o IA) interpreta y transforma esas influencias en algo propio.