Mientras que muchos otros autores han subrayado el potencial negativo de la IA, como la pérdida de empleos o la creación de una inteligencia artificial superdotada que podría amenazar a los seres humanos, otros autores ofrecen una visión optimista y emocionante del potencial de la IA. Entre ellos está Marcus du Sautoy, quien en Programados para crear: Cómo está aprendiendo a escribir, pintar y pensar la inteligencia artificial ve la IA como una herramienta poderosa que podría ayudar a la humanidad a resolver problemas complejos, generar ideas nuevas e incluso alcanzar nuevos niveles de creatividad.
La tesis principal del libro es que la inteligencia artificial (IA) está evolucionando de una forma que le permite no sólo procesar información y realizar tareas repetitivas, sino también crear arte, escribir poesía y pensar de una manera independiente. Marcus du Sautoy argumenta que la IA está aprendiendo a ser creativa, y que esto tendrá implicaciones profundas para el futuro de la humanidad y nuestra comprensión de la creatividad.
Principales ideas de Programados para crear
- La creatividad consiste en explorar, combinar y transformar estructuras existentes para crear algo nuevo.
- La creatividad humana impulsa el arte, pero también las matemáticas.
- Los algoritmos dan forma a la vida moderna.
- La llegada del aprendizaje automático ascendente ha revolucionado el campo de la IA.
- Las matemáticas, la música y los algoritmos están estrechamente relacionados.
- Las IA ya se están utilizando para crear música, arte y literatura.
- La visión y el lenguaje siguen planteando grandes desafíos para la IA.
- Las IA son herramientas creativas útiles, pero aún no lo son por derecho propio.
La creatividad consiste en explorar, combinar y transformar estructuras existentes para crear algo nuevo.
Seamos realistas: en muchos sentidos, las computadoras son más inteligentes que las personas. Pueden almacenar más datos, calcular números más grandes y tienen mejor ortografía. Quizás lo único en lo que los humanos todavía podemos encontrar consuelo es en nuestra creatividad. Seguramente una máquina nunca podría inventar un chiste, componer una sinfonía o escribir un libro… ¿o sí? Para responder a esta pregunta existencial, primero echemos un vistazo a qué queremos decir cuando hablamos de creatividad.
Ser creativo significa pensar en algo nuevo, sorprendente y valioso. El pintor francés Claude Monet es famoso por sus hermosas pinturas de nenúfares, pero sus pinturas son más que hermosas. Colocando capas de motas sobre motas de color en lugar de utilizar pinceladas tradicionales, Monet mostró al mundo una nueva forma de apreciar la interacción de la luz y el color. Este novedoso estilo de pintura, llamado impresionismo, inspiró a generaciones de artistas y ayudó a allanar el camino del arte figurativo al abstracto.
Así como nuestras ideas sobre el arte han cambiado a lo largo de los siglos, también nuestras ideas sobre la creatividad han evolucionado constantemente. A menudo medimos un acto creativo por lo mucho que difiere de los anteriores. Pensemos en el compositor de principios del siglo XX, Arnold Schönberg. Los compositores anteriores a Schönberg daban por sentado que una clave o tono central era la base de cualquier composición. Schönberg ignoró audazmente esta regla e inventó la atonalidad, brindando al mundo placeres auditivos inesperados. La científica cognitiva Margaret Boden llama a este tipo de creatividad transformacional que rompe las reglas . La creatividad transformacional puede anular por completo lo que creemos que es posible en una disciplina determinada.
Además, Boden identificó otros dos tipos de creatividad. Ella dice que la obra de Monet exhibe creatividad exploratoria: explora lo que es posible dentro de las reglas de la disciplina. Monet todavía representaba los nenúfares de forma figurativa, pero lo hacía de una manera completamente nueva, impresionista.
La creatividad combinatoria es la capacidad de fusionar estructuras que, en apariencia, podrían no estar juntas. La arquitecta contemporánea Zaha Hadid traduce su amor por el arte abstracto en edificios curvilíneos de apariencia imposible. El Centro Heydar Aliyev que diseñó en Azerbaiyán, por ejemplo, parece menos un edificio que una concha de mar de gran tamaño. Sus edificios son también un gran ejemplo de las aplicaciones prácticas de la creatividad. Resulta que la creatividad no es sólo para los artistas.
La creatividad humana impulsa el arte, pero también las matemáticas.
Ser creativo significa alterar (a veces incluso romper) las reglas para crear algo nuevo. Pero esta habilidad no se limita al arte, la música y la literatura. Mire de cerca y encontrará creatividad en lugares que nunca esperaría, como el campo del autor: las matemáticas.
Para entender cómo los matemáticos son creativos, primero debemos entender qué hacen.
Un matemático utiliza argumentos lógicos para demostrar teoremas a partir de axiomas. Los axiomas son enunciados matemáticos que asumimos como verdaderos. Un teorema es el nuevo enunciado matemático que el matemático necesita demostrar.
El último teorema de Fermat, por ejemplo, fue la famosa idea matemática de que en la ecuación x^n + y^n = z^n, x, y y z no pueden ser números enteros positivos si n es mayor que 2. Matemático francés A Pierre Fermat se le ocurrió este teorema en el siglo XVII, pero no fue hasta 1994 que un matemático llamado Andrew Wiles lo demostró.
Para ello, tuvo que encontrar exactamente los pasos lógicos correctos que conectaran los axiomas existentes de las matemáticas modernas con el teorema de Fermat. Pero las matemáticas avanzadas como la prueba de Wiles requieren algo más que seguir reglas y aplicar una lógica fría.
Al igual que el buen arte, las buenas matemáticas requieren pensar de manera innovadora y contar historias convincentes. Los matemáticos no quieren demostrar teoremas que sean aburridos y obvios. Quieren demostrar teoremas que sean audaces, inesperados y que profundicen nuestra comprensión del mundo. Hacer esto requiere intuición y creatividad.
Grigori Perelman demostró ambas cualidades cuando demostró la conjetura de Poincaré, un teorema ahora famoso que describe las diferentes formas geométricas de nuestro universo. Para demostrar el teorema, aplicó las reglas de un área de las matemáticas completamente diferente. Utilizando la forma en que el líquido fluye sobre una superficie, Perelman pudo describir toda la gama de formas que posiblemente puedan existir. Su creatividad combinatoria produjo una visión nueva y sorprendente de nuestro universo.
Pero ni siquiera un genio como Perelman puede hacer su trabajo solo. Con cada prueba exitosa, el campo de las matemáticas se vuelve más complejo. Para una disciplina que es tan antigua como la civilización misma, esto significa que muchos cálculos son ahora tan complicados que ni siquiera el mejor matemático podría resolverlos con lápiz y papel.
Los matemáticos de hoy necesitan computadoras para procesar la masa de números con los que trabajan. Estas máquinas se han vuelto indispensables. De hecho, el matemático israelí Doron Zeilberger insiste en incluir su computadora, a la que llama Shalosh B. Ekhad, como coautor de sus artículos matemáticos. Al liberarlos de cálculos tediosos y disminuir el margen de error humano, las computadoras permiten a los matemáticos pensar de manera más creativa que nunca.
Los algoritmos dan forma a la vida moderna.
Los matemáticos y las computadoras tienen algo en común: ambos siguen conjuntos de reglas lógicas para alcanzar el resultado deseado. Las reglas codificadas en una computadora se llaman algoritmos . Puedes pensar en ellas como un montón de oraciones “si-entonces” que le dicen a la computadora cómo comportarse. Por ejemplo, su filtro de correo electrónico puede seguir la regla: «si un correo electrónico contiene la palabra Viagra , colóquelo en la carpeta de correo no deseado».
Pero los algoritmos hacen mucho más que ordenar sus correos electrónicos para ti.
Empresas como Amazon, Netflix y Spotify utilizan algoritmos para inundarte de recomendaciones. Sus algoritmos intentan predecir qué música, películas o productos te podrían gustar, en función de tus elecciones anteriores.
Lo que es más polémico, ahora los algoritmos incluso eligen a nuestras parejas románticas por nosotros. El sitio de citas OkCupid evalúa tus rasgos de personalidad, lo que te gusta y lo que no te gusta para encontrar coincidencias. Aunque en un estudio de parejas que se casaron entre 2005 y 2012, aquellas que se conocieron en línea parecían significativamente más felices que las parejas que se conocieron fuera de línea. ¿Los algoritmos saben algo que nosotros no sabemos?
Bueno, los algoritmos suelen funcionar formulando varias capas de preguntas sobre cantidades masivas de datos. ¿Alguna vez te has preguntado cómo aparece un sitio web en los primeros puestos de la búsqueda de Google? Su algoritmo de búsqueda mide el valor de un sitio web preguntando cuántos otros sitios web tienen enlaces a él. Luego, utilizando la misma medida, pregunta qué tan valiosos son esos otros sitios web. Si el sitio web de su empresa está vinculado a muchos sitios web de alto valor como CNN, ascenderá más alto en las clasificaciones de búsqueda. Esto crea un complicado sistema de evaluación cruzada que requiere recopilar y comparar más datos de los que un cerebro humano podría jamás manejar.
Además, muchos algoritmos se vuelven más inteligentes a medida que interactúas con ellos. Probablemente hayas notado que cuanto más usas Netflix, Amazon o Spotify, más parecen “captar” estos servicios tus gustos. Esto se debe a que cada vez que los usas, les das a sus algoritmos más datos con los que trabajar. Y los algoritmos aprenden a leer mejor sus datos.
Con el tiempo, Netflix entenderá que viste Sleepless in Seattle no porque seas un gran fanático de la comedia romántica, sino porque realmente te gusta Tom Hanks. En lugar de dirigirte a Notting Hill, podría llevarte a Forrest Gump. Los algoritmos capaces de aprender de esta manera han cambiado las perspectivas de la inteligencia artificial.
La llegada del aprendizaje automático ascendente ha revolucionado el campo de la IA.
Antes de los albores del aprendizaje automático, los programadores estaban unidos en la creencia de que «solo puedes obtener lo que pones». Es decir, un programa es tan inteligente como la persona que lo codificó. Entonces, ¿qué les hizo cambiar de opinión? Era una computadora que jugaba juegos de mesa.
Go es un antiguo juego de mesa chino que requiere inteligencia, habilidad y creatividad. Dos jugadores se turnan para colocar piedras blancas y negras en una cuadrícula de 19 x 19. El objetivo es capturar las piedras de tu oponente rodeándolas con las tuyas. Debido a que el Go requiere un reconocimiento de patrones complejo y debido a que el número de juegos posibles es infinito, durante mucho tiempo se creyó que era imposible enseñarle a una computadora cómo jugarlo. Pero en 2016, en un enfrentamiento hombre contra máquina seguido en todo el mundo, la computadora AlphaGo de Demis Hassabis derrotó al actual campeón de Go humano Lee Sedol en una victoria de cuatro a uno. ¿Cómo logró AlphaGo lo imposible?
Hassabis y su equipo utilizaron la técnica del aprendizaje automático para desarrollar su computadora Go-play. Codificaron algunas reglas básicas en AlphaGo. Luego, dejaron que la computadora escribiera el resto de las reglas mediante prueba y error . En codificación, esto se denomina enfoque ascendente y es la base del aprendizaje automático. Al igual que un humano, AlphaGo aprendió a jugar Go, bueno, jugando Go. Cada vez que AlphaGo hacía un movimiento que lo llevaba a la victoria, actualizaba sus probabilidades para tener más probabilidades de volver a realizar ese movimiento. Por el contrario, cuando hizo un movimiento que condujo a su derrota, era menos probable que volviera a hacerlo. Cuando AlphaGo se enfrentó a Lee Sedol, se le habían ocurrido estrategias que ningún jugador humano de Go había pensado jamás.
Cuantos más datos tenga para entrenar una IA como AlphaGo, más inteligente se volverá. Por lo tanto, el aprendizaje automático debe una parte no pequeña a la enorme cantidad de datos que están disponibles hoy en día (¡el 90 por ciento de los cuales se crearon en los últimos cinco años!). Esta masa de información, combinada con la capacidad de los programas de reescribirse a sí mismos utilizando esa información, ha abierto la posibilidad de que las máquinas se vuelvan más inteligentes que nosotros.
Las matemáticas, la música y los algoritmos están estrechamente relacionados.
En 1993, el compositor clásico David Cope lanzó Bach by Design , un álbum de piezas originales para piano típicas del compositor del siglo XVIII Johann Sebastian Bach. Pero las piezas no fueron escritas por Bach ni por Cope. Fueron escritos por Emmy, un software musical creado por Cope para simular el estilo de composición de Bach.
La IA hizo un trabajo tan bueno que engañó incluso a los amantes más experimentados de Bach. En un concierto en la Universidad de Oregón, el público confundió una de sus composiciones con el Bach original, juzgando que una pieza menos conocida del verdadero Bach era falsa.
¿Cómo puede un programa de ordenador componer música que suene más a Bach que al propio Bach?
Los compositores clásicos utilizan algoritmos para crear complejidad musical. Comienzan con una melodía o tema simple y luego transforman este tema de acuerdo con reglas matemáticas. Usando las matemáticas, crean variaciones y voces adicionales para construir la composición.
Los compositores con un estilo característico fuerte se sienten atraídos por ciertos patrones matemáticos más que por otros. Mozart, por ejemplo, utilizaba a menudo el patrón de bajo de Alberti. Este patrón consta de tres notas tocadas en una secuencia de 13231323. Emmy fue entrenado para seleccionar los patrones matemáticos típicos de Bach y luego pudo usarlos para construir composiciones que sonaran igual que él.
Otra IA musical, un instrumento llamado Continuator, puede seleccionar y replicar los patrones musicales de la música jazz. Al analizar miles de piezas de jazz, su software descubrió que es más probable que algunas notas y secuencias sigan a otras. Utilizando las probabilidades calculadas a partir de estos datos de entrenamiento, el Continuador ha aprendido a improvisar. Si tocas un riff de jazz en él, puede continuar ese riff tal como lo haría un músico de jazz humano.
Incluso la música pop está explorando las posibilidades de los algoritmos musicales. El álbum Heligoland de Massive Attack de 2016 viene con una aplicación llamada Fantom que utiliza tu ubicación, zona horaria y cuenta de Twitter para crear una mezcla perfecta y personalizada de las pistas para ti. De una manera más democrática, el músico experimental Brian Eno ha desarrollado sus propias aplicaciones musicales que te permiten interactuar y modificar sus composiciones ambientales.
Ahora que sabes que la música y las computadoras están vinculadas a través del lenguaje matemático de los algoritmos, quizás sea más fácil ver cómo un programa de computadora puede escribir una canción. Pero la música no es la única disciplina artística que las máquinas han dominado.
Las IA ya se están utilizando para crear música, arte y literatura.
Hemos llegado a conocer ordenadores que componen música clásica e improvisan riffs de jazz. Al parecer, los músicos ya están haciendo un amplio uso de las crecientes capacidades de la IA. Pero ¿qué pasa con el resto del mundo del arte?
Las computadoras que crean arte visual en realidad no son tan nuevas. Ya en 1965, el ingeniero de Siemens, Georg Nees, programó una computadora para que creara dibujos por sí sola. El programa de Nees comenzó desde un punto fijo en la pantalla, dibujando 23 líneas conectadas de longitudes aleatorias en direcciones aleatorias. El resultado fue una fascinante serie de dibujos geométricos.
El informático Ahmed Elgammal de la Universidad de Rutgers desarrolló una IA más avanzada para la creación de arte. Elgammal desarrolló una Red Adversaria Creativa, o CAN, que puede clasificar y producir imágenes de arte visual.
Un CAN es un sistema de dos algoritmos en el que uno aprende y cambia en función de la retroalimentación del otro. El CAN de Elgammal refleja los dos sistemas en competencia de nuestros cerebros creativos: el creador y el crítico. Mientras uno de los algoritmos tiene la tarea de crear imágenes, el otro juzga su originalidad.
El algoritmo crítico se entrenó con datos de WikiArt para identificar imágenes que marcaron momentos de grandes cambios creativos en la historia del arte, como los nenúfares de Monet. Utiliza este conocimiento para evaluar y dirigir las imágenes producidas por el algoritmo creador. Los humanos parecen estar de acuerdo con su juicio: los visitantes de Art Basel 2016 calificaron el trabajo de CAN como más inspirador que las obras de arte humanas expuestas.
Las IA también han llegado al mundo de la escritura. Muchos medios de comunicación ya están utilizando programas de procesamiento de textos para generar recortes de noticias. Con datos sin procesar, estos programas pueden escribir textos breves y coherentes que sigan la estructura de una publicación de noticias típica. Esto es especialmente útil para informes deportivos y bursátiles, donde la cantidad de datos generados cada día se ha vuelto demasiado tedioso para que los humanos los manejen.
Al igual que las IA musicales, los programas de escritura modernos pueden incluso aprender a escribir en el estilo de un autor en particular. Al analizar la elección de palabras y la estructura de las oraciones, una IA puede producir un párrafo que suena como un pasaje de Ernest Hemingway. De hecho, nuestro autor afirma que una sección de 350 palabras de su propio libro fue escrita mediante un algoritmo.
Sin embargo, como veremos en la siguiente sección, la creación de imágenes y la narración de historias todavía plantean algunos problemas peculiares para la IA.
La visión y el lenguaje siguen planteando grandes desafíos para la IA.
Considere esta frase: «Los niños no comen las uvas porque son viejos». ¿Quién o qué es viejo? A diferencia de usted, un ser humano con cierta experiencia con niños y uvas, una computadora no podría responder fácilmente a esta pregunta. No hay una forma definitiva de saber a quién se refiere «ellos» en esta oración.
El lenguaje natural está lleno de este tipo de ambigüedades. La forma en que interpretamos una palabra a menudo depende del contexto, lo que requiere un conocimiento previo del mundo. Debido a que las computadoras carecen del tipo de conocimiento intuitivo que los humanos adquieren a través de la experiencia, los matices lingüísticos a menudo se pierden. Por la misma razón, luchan por crear una estructura narrativa significativa. Los programas de computadora pueden ser capaces de escribir algunas oraciones que suenan como las de Hemingway, pero no están ni cerca de comprender, y mucho menos tejer, una historia como El viejo y el mar .
Además del lenguaje, otro gran problema para la IA es la visión. Resulta que las computadoras son bastante malas para ver el panorama general. Esto se debe a que los programas visuales identifican imágenes haciendo preguntas sobre los píxeles que la componen. Pero para cada imagen de, digamos, un gato, la composición de píxeles es completamente diferente. El programa tiene que aprender a relacionar los píxeles entre sí y luego juzgar si esas relaciones son indicativas de un gato o de algo más.
Puedes encontrar un reconocimiento visual avanzado como este en el sensor de movimiento Kinect de Xbox One. Kinect puede identificar y mapear 31 partes distintas del cuerpo comparando la profundidad y distancia de cada píxel con las de su entorno. Aún así, sus habilidades no se acercan a la visión humana. Por eso muchos sitios web te obligan a seleccionar imágenes de coches, señales de tráfico o gatos para asegurarte de que no eres un robot.
Curiosamente, las IA pueden utilizar su peculiar visión no humana para crear arte fascinante. El programa DeepDream de Google funciona alimentando a una IA con una imagen borrosa y luego pidiéndole que mejore las características de la imagen de acuerdo con lo que espera que sea. Debido a que la IA está entrenada con imágenes de la búsqueda de Google que normalmente contienen personas, animales u otros objetos, tiende a sobreinterpretar la imagen borrosa: ve ojos, manos y rostros donde no los hay. El resultado son imágenes coloridas y psicodélicas que podrían pasar por arte moderno. ¿Pero eso significa que DeepDream es un artista?
Las IA son herramientas creativas útiles, pero aún no lo son por derecho propio.
Aunque todavía hay margen de mejora técnica, no hay duda de que las IA ya están creando fascinantes obras de arte, música y escritura. Creaciones como las imágenes psicodélicas de DeepDream sorprenden incluso a los programadores detrás de los programas, lo que demuestra que, en la informática moderna, se puede obtener más de lo que se invierte.
Pero la creatividad es algo más que procesar entradas y generar resultados. Para extraer algo de valor creativo a partir de los cálculos algorítmicos de una computadora todavía se requiere una mano humana.
El escritor argentino Jorge Luis Borges ofrece una útil analogía en su cuento La biblioteca de Babel. En él, describe una biblioteca que contiene todos los libros de 410 páginas que puedan existir, desde las primeras 410 páginas de Guerra y paz de Tolstoi hasta 410 páginas llenas de la letra N. Pero como en la biblioteca hay libros de 410 páginas cualquiera, la mayoría de ellos (como el N- book) tienen poco valor. Se requiere una mente humana para buscar libros con significado y descubrir una joya como Guerra y Paz .
Así como la Biblioteca de Babel contiene infinitos libros sin tener en cuenta su contenido, las computadoras pueden procesar infinitos datos sin preocuparse por el significado que se les atribuye. Pero para los humanos, la creatividad tiene que ver con el significado. El arte, la música y la literatura son áreas para explorar nuestra humanidad compartida y producir nuevos conocimientos sobre el mundo.
Además, somos creativos por nuestra propia voluntad. Monet, Bach y Hemingway no crearon sus obras porque alguien se lo dijera. Crearon su trabajo porque sintieron la necesidad de expresarse. A pesar de todas sus capacidades, ninguna IA ha creado todavía una obra de arte por su propia voluntad. Estos programas pintan, escriben y componen porque los humanos los hemos programado para hacerlo. Por eso es exagerado llamarlos creativos por derecho propio. Después de todo, es la creatividad humana la que los creó en primer lugar.
Hasta que se vuelvan conscientes como nosotros, las máquinas probablemente no serán creativas como nosotros. Por el momento, no tenemos forma de saber si surgirá la conciencia de máquina o cómo. Pero cuando esto suceda, tal vez el arte, la música y la literatura creados por máquinas conscientes nos proporcionen la mejor comprensión de sus mentes artificiales.
Conclusiones de Programados para crear
Los talentos de la IA moderna superan muchas de nuestras expectativas anteriores. Aunque todavía tienen dificultades para reconocer imágenes y comprender el lenguaje, las computadoras ya crean fascinantes obras de arte, música y literatura. Sin embargo, hasta que aprendan a hacerlo conscientemente y con un propósito, seguirán siendo herramientas creativas en lugar de ser ellos mismos agentes creativos.