Mostrando entradas con la etiqueta Sorpresa. Mostrar todas las entradas
Mostrando entradas con la etiqueta Sorpresa. Mostrar todas las entradas

domingo, 22 de noviembre de 2026

Estimación de la creatividad en imágenes

Evaluar la creatividad en imágenes requiere examinar factores psicológicos fundamentales en lugar de basarse únicamente en conjeturas subjetivas. Investigadores desarrollaron un marco de estimación automatizado que predice la fuerza de las dimensiones individuales —específicamente novedad, sorpresa y excitación— para cualquier entrada visual. Los modelos de lenguaje visual demostraron ser excepcionalmente eficaces para evaluar estas propiedades semánticas en comparación con las técnicas computacionales tradicionales. Finalmente, al introducir estas fuerzas dimensionales estimadas en algoritmos de aprendizaje automático supervisado, se genera con éxito una puntuación de creatividad final que coincide estrechamente con las evaluaciones humanas.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Estimating Image Creativity". Por Nisan Chhetri, Christopher G. Healey, y Sina Baghbanijam, de NC State University. Publicado el 11 de Noviembre de 2026.

El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.

El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.


Resumen

Alicia
Quiero que imagines una rana fotorrealista tocando una guitarra eléctrica en la luna.

Beto
Está bien, sí, lo estoy visualizando.

moss_frog_guitar_moon__00001_800.png
"Rana tocando guitarra eléctrica en la luna"
(generado con moss-image en ComfyUI)

Alicia
Correcto, es extraño, es sorprendente, y si la vieras, probablemente solo la llamarías "creativa".

Beto
Oh, claro.

Alicia
Completamente subvierte tus expectativas.

Pero ¿qué pasaría si te dijera que la creatividad no es en realidad una chispa humana mística e inexplicable? ¿Qué pasaría si literalmente solo fuera un problema de matemáticas? Uno que una máquina finalmente ha descubierto cómo resolver.

Beto
Quiero decir, esa es una premisa que se siente casi inherentemente equivocada para cualquiera que ame el arte o el diseño.

Alicia
Sí, totalmente.

Beto
Pasamos siglos tratando la creatividad como una fuerza salvaje e indomable. Como cuando miras una pintura increíble, sabes que es creativa. Pero si alguien te pide que lo pongas en palabras exactamente por qué, o que lo midas en una escala del uno al diez, de repente se siente imposible.

Alicia
Bueno, el análisis profundo de hoy va a demostrar que en realidad no es imposible en absoluto. Estamos profundizando en un artículo realmente fascinante de la Universidad Estatal de NC y se titula "Estimación de la Creatividad de Imágenes".

Beto
Y su misión en este artículo es tan específica y, honestamente, tan ambiciosa.

Alicia
Sí, básicamente querían ver si podían enseñar a una máquina a predecir automáticamente la creatividad calificada por humanos. Y lo hicieron descomponiendo el arte visual en dimensiones psicológicas fundamentales.

Beto
Correcto. Están intentando construir un puente entre la psicología humana y la inteligencia artificial. Quieren ver si un sistema objetivo algorítmico puede calificar con precisión algo que es famosamente subjetivo.

Alicia
Exacto.

Así que si están escuchando esto ahora mismo, ya sea que sean diseñadores tratando de averiguar qué hace que algo visual destaque, o quizás entusiastas de la tecnología rastreando la vanguardia absoluta de la IA, o simplemente alguien que es increíblemente curioso sobre cómo el cerebro procesa el mundo, esta inmersión profunda es su atajo.

Beto
Es básicamente un atajo para entender cómo tomas algo tan resbaladizo y abstracto como la creatividad humana y lo conviertes en datos duros.

Alicia
Correcto.

Pero antes de que podamos siquiera empezar a enseñar a una máquina a medir la creatividad, tenemos este obstáculo fundacional masivo. Tenemos que definir qué es la creatividad.

Beto
Sí. Y desde un punto de vista psicológico, eso es como un rompecabezas con el que los investigadores han estado lidiando durante la mayor parte de un siglo. No puedes construir una IA para encontrar algo si no sabes qué buscar.

Alicia
Exacto.

Al mirar a través del contexto histórico en este artículo, el estudio científico moderno de la creatividad parece rastrear sus raíces hasta 1950 con un psicólogo llamado JP Gilford.

Beto
Correcto. Gilford. Fue un gran cambiador de paradigma. Antes de 1950, la actitud predominante era básicamente que la creatividad era un regalo divino. O nacías con ella o no.

Alicia
Correcto. Como si fuera magia.

Beto
Exacto. Pero Gilford se presentó ante la Asociación Psicológica Americana y argumentó que la creatividad está en realidad vinculada a rasgos humanos medibles y específicos.

Alicia
Vaya.

Beto
Sí. Y ese discurso provocó una enorme ola de investigación. Finalmente condujo a este marco fundamental conocido como el modelo de "cuatro Ps de la creatividad".

Alicia
De acuerdo, permíteme explicar estas cuatro Ps porque realmente preparan el escenario para todo lo demás. Tienes persona, proceso, presión y producto.

Así que la persona mira al creador mismo, como su personalidad, sus hábitos.

El proceso es el mecanismo subyacente. ¿Están haciendo una lluvia de ideas? ¿Están iterando? Cosas así.

Luego, presión es un término un poco más antiguo, pero básicamente significa el entorno. ¿Qué tipo de presiones sociales están influyendo en el trabajo?

Y finalmente, producto es el resultado tangible real, el artefacto.

Beto
Y esta investigación de la Universidad Estatal de NC traza una línea muy dura ahí. Aíslan su enfoque estrictamente en el producto.

Alicia
Oh, interesante.

Beto
Sí, no les importa el trauma infantil del artista. No están mirando la iluminación de su estudio. Y están ignorando por completo el proceso creativo que condujo a la imagen. Solo miran la imagen final terminada.

Estimating_Image_Creativity_via_ML_1024.png
Estimando la Creatividad en una Imagen por Medio de Aprendizaje de Máquina

Alicia
De acuerdo, desglosémos esto por un segundo. ¿Medir la creatividad del producto es básicamente como revisar una comida en un restaurante en lugar de analizar el estado de ánimo del chef o la distribución de la cocina? Como si estuvieras totalmente concentrado en saborear lo que hay en el plato frente a ti.

Beto
Sí. Esa analogía del restaurante captura una distinción crucial en la psicología perfectamente.

Lo fascinante aquí es la diferencia entre la creatividad histórica y la creatividad psicológica.

Alicia
De acuerdo, ¿cuál es la diferencia?

Beto
Entonces, la creatividad histórica es inventar un plato totalmente nuevo o descubrir una nueva ley de la física que la humanidad literalmente nunca ha visto antes. Eso es increíblemente raro.

Alicia
Correcto.

Beto
La creatividad psicológica, sin embargo, es mucho más personal y localizada. Es cuando un individuo crea algo nuevo en relación con su propio trasfondo. Al enfocarse solo en el producto, "la comida en el plato", te quitas todo ese bagaje histórico y personal desordenado.

Alicia
Ya veo. Toma algo profundamente subjetivo y de hecho lo hace medible. Ese límite estructural es esencial.

Beto
Exacto.

Alicia
Para medir esta comida, los investigadores seleccionaron tres dimensiones psicológicas muy específicas. Querían cuantificar cuán creativa es una imagen. La primera que aíslan es la novedad.

Beto
Correcto. Que se trata de originalidad y rareza.

Alicia
Sí. Estaban preguntando, ¿qué tan nueva o única se siente esta imagen específica en comparación con la línea base de lo que vemos en nuestras vidas diarias?

Beto
Pero la novedad por sí sola no es suficiente, lo que lleva a la segunda dimensión, y esa es la sorpresa.

Es tan importante separar las dos. Puedes tener algo que es raro, pero completamente esperado.

Alicia
Correcto. Como un eclipse solar, raro, pero sabemos que viene.

Beto
Exacto. La sorpresa se trata específicamente de la violación de las expectativas. Mide cuán implausible se siente una imagen. ¿Rompe las reglas de la realidad?

Alicia
Así que la novedad cubre cuán rara es una imagen, pero la sorpresa cubre esa doble mirada que haces cuando algo no debería existir en absoluto.

Beto
Exacto.

Alicia
Luego tenemos la tercera dimensión, que es la excitación (agitación). Admitiré que esta me hizo tropezar al principio.

Beto
Mucha gente se confunde por cómo usamos la palabra en la vida cotidiana.

Alicia
Sí. Normalmente usamos esa palabra en un contexto muy específico, pero el artículo define "arousal" estrictamente como "intensidad emocional". No tiene absolutamente nada que ver con si la emoción es un sentimiento bueno o un sentimiento malo.

Beto
Se trata enteramente del volumen del sentimiento, no del sabor.

Alicia
Correcto. Los investigadores proporcionan un excelente ejemplo aquí. Piensa en una fotografía de un atleta olímpico cruzando la línea de meta para ganar una medalla de oro. Lo miras y sientes una oleada masiva de emoción positiva.

Beto
Oh, absolutamente.

Alicia
Ahora imagina una fotografía de un atleta sufriendo una lesión devastadora en la pista. Sientes una oleada masiva de emoción negativa, tal vez conmoción o empatía.

Beto
Correcto.

Alicia
Pero en la dimensión de la excitación, ambas imágenes podrían obtener un 10 perfecto, porque ambas desencadenan una reacción intensa y energizada en tu estómago.

Beto
Tal cual. Así que hemos establecido nuestra tríada: novedad, sorpresa y excitación. La hipótesis central de todo el artículo es esta. Si puedes estimar con precisión la fuerza de esas tres dimensiones individuales en cualquier imagen dada, puedes combinarlas para predecir con precisión su puntuación general de creatividad.

Alicia
Lo que suena genial en teoría. Pero aquí está el obstáculo obvio. No puedes simplemente escribir una ecuación matemática estándar para determinar si una foto de un atardecer es sorprendente.

Beto
No, realmente no puedes. Esa es una experiencia humana subjetiva.

Alicia
Exacto. Así que si vas a entrenar eventualmente a una máquina para hacer esto, primero tienes que establecer una línea base humana. Necesitas miles de puntos de datos que muestren cómo reaccionan las personas reales.

Beto
Sí. Necesitaron construir un conjunto de datos de verdad fundamental ("ground truth"). Y para recopilar esto, recurrieron a Amazon Mechanical Turk, o "M-Turk".

Alicia
La masiva plataforma de crowdsourcing.

Beto
Correcto. Reclutaron un grupo de trabajadores de EE. UU. y les pidieron que calificaran conjuntos curados de 45 imágenes. Se pidió a cada participante que calificara las imágenes en una escala del uno al siete en todas las tres dimensiones, más una puntuación de creatividad general.

Alicia
Espera, si le estás pidiendo a trabajadores de internet aleatorios que califiquen subjetivamente la sorpresa o la novedad por centavos por tarea, ¿no es eso una receta para datos terribles? La gente notoriamente solo hace clic en esas cosas tan rápido como sea posible para cobrar.

Beto
Oh, totalmente. Y esa es exactamente la razón por la que implementaron controles de calidad increíblemente estrictos. Lo más notable son las "preguntas trampa" ("trap questions").

Alicia
Preguntas trampa.

Beto
Sí. De vez en cuando, el sistema presentaría una imagen que literalmente tuviera texto gigante sobre ella que leyera: selecciona una puntuación de cuatro para esta imagen.

Alicia
Oh, vaya.

Beto
Si un participante fuera solo un bot o una mente que hiciera clic sin pensar siete en cada página, fallaría la trampa. Y los investigadores descartarían inmediatamente todos sus datos.

Alicia
Ese es un filtro muy inteligente. Asegura que el punto de referencia humano permaneciera prístino.

Beto
Exacto.

Alicia
Pero reunir a los humanos es solo la mitad de la batalla. ¿Qué imágenes les estás mostrando realmente?

Para la dimensión del arousal, vi que utilizaron el conjunto de datos OASIS.

Beto
Correcto. El conjunto estandarizado de imágenes afectivas abiertas.

Alicia
Sí. Esta es una colección preexistente y altamente verificada de imágenes que los psicólogos ya usan, principalmente porque han sido validadas previamente para la intensidad emocional. Así que eso maneja el arousal de manera bastante limpia.

Beto
Lo hace. Pero para la sorpresa, se enfrentan a un problema logístico muy único. Si la definición de sorpresa requiere que una imagen sea completamente implausible o que viole las leyes de la física, encontrar una base de datos masiva de fotografías reales que se ajusten a ese criterio es increíblemente difícil.

Alicia
Espera, ¿entonces cómo consiguieron las imágenes si no existen naturalmente?

Beto
Bueno, utilizaron Google Veo, un modelo de generación de imágenes de IA, para construir el conjunto de datos de sorpresa.

Alicia
Ah. Usar IA para generar datos de control para un experimento de IA es increíblemente meta. Pero resuelve el problema perfectamente.

Beto
De verdad que lo hace. Porque la sorpresa se basa en violar las expectativas, la IA generativa le da a los investigadores control absoluto sobre el dial de la absurdez.

Alicia
De acuerdo. Así que pueden subirlo o bajarlo.

Beto
Exacto. Podrían establecer una línea base de baja sorpresa, digamos, generando una imagen fotorrealista de una taza de cerámica apoyada en una mesa de madera. Luego podrían generar instantáneamente una contraparte de alta sorpresa.

Alicia
Como una imagen fotorrealista de una taza derritiéndose en un charco de líquido brillante.

Beto
Sí. Podrían calibrar perfectamente los datos que estaban alimentando a los jueces humanos.

Alicia
Así que una vez que tienen estos datos de M-Turk, todas estas puntuaciones del 1 al 7 de humanos reales, finalmente tienen su punto de referencia. Ahora viene el evento principal, la showdown de la IA.

Beto
La parte divertida.

Alicia
Sí. Los investigadores intentan entrenar modelos de aprendizaje automático para que miren una imagen y estimen esas mismas dimensiones sin ninguna ayuda humana. Y aquí es donde la visión por computadora tradicional chocó contra un muro de ladrillos masivo.

Beto
Oh, fue un fracaso espectacular para los enfoques convencionales. Inicialmente, los investigadores probaron redes neuronales convolucionales o CNNs. Utilizaron dos arquitecturas muy prominentes en el campo, ResNet 18 y ResNet 50.

Alicia
Y estas son redes neuronales profundas diseñadas explícitamente para procesar datos de píxeles dispuestos en una cuadrícula, ¿correcto?

Beto
Correcto. Escanean una imagen buscando bordes, colores y texturas.

Alicia
También lanzaron el algoritmo de "desplazamiento medio" ("mean shift") al problema. Por lo que entiendo, el desplazamiento medio se utiliza tradicionalmente para la detección de anomalías. Básicamente escanea datos visuales buscando valores atípicos masivos en los clústeres de píxeles.

Beto
Exacto. Y ninguno de los dos métodos pudo predecir confiablemente las calificaciones humanas, especialmente para una dimensión como la novedad. Las CNNs solo lograron una tasa de precisión entre el 25 y el 65%.

Alicia
Vaya. Eso es bastante mejor que lanzar una moneda. Completamente inútil para un modelo predictivo robusto.

Beto
Y las puntuaciones de anomalía del desplazamiento medio fueron un desastre total. Los datos estaban completamente caóticos. Imagina intentar predecir el clima, pero tu termómetro fluctúa salvajemente por 30 grados cada vez que lo miras.

Alicia
Eso es una locura.

Beto
Eso fue cómo se veían las desviaciones estándar para el algoritmo de desplazamiento medio. Se movieron hasta un 30.8% de la diferencia máxima posible. Simplemente no pudo fijarse en un patrón consistente en absoluto.

Alicia
Para entender por qué fallaron, realmente tienes que mirar lo que están haciendo esos modelos. Las CNNs y los algoritmos de desplazamiento medio están analizando matemáticas de píxeles objetivas, ¿correcto? Están mirando gradientes de color y topologías de cuadrícula.

Beto
Correcto. Matemáticas de píxeles.

Alicia
Pero las dimensiones de la creatividad, novedad, sorpresa, excitación, no son propiedades matemáticas de los píxeles. Son juicios semánticos y subjetivos basados en la experiencia humana.

Beto
Exacto.

Alicia
Aquí es donde se pone realmente interesante. Así que una CNN es básicamente como un científico examinando la composición química de la pintura en un lienzo.

Beto
Oh, esa es una gran manera de decirlo.

Alicia
Sí. Pueden decirte exactamente cuántos miligramos de blanco de titanio están agrupados en la esquina superior derecha. Pero no tienen ni idea de lo que es una montaña. Y mucho menos si una montaña es sorprendente.

Para juzgar la novedad, la IA en realidad necesita mirar la pintura y entender lo que significa en el mundo real.

Beto
Esa es la clave del problema. Si conectamos esto con la imagen más grande, acabas de articular la enorme evolución que está ocurriendo actualmente en la inteligencia artificial. Estamos alejándonos de modelos que solo reconocen patrones visuales y pasando a modelos capaces de hacer juicios semánticos.

Alicia
Por eso los investigadores abandonaron las CNNs y pivotaron hacia modelos de lenguaje visual o VLMs, específicamente utilizaron GPT-o3.

Escuchamos mucho sobre los grandes modelos de lenguaje, pero la parte visual es crucial aquí. Mi comprensión es que un VLM se entrena con cantidades colosales de datos de internet, tanto texto como imágenes, y aprende a fusionarlos.

Beto
Sí, mapea matemáticamente la palabra "rana" al patrón visual de una rana en el mismo espacio multidimensional.

Alicia
Y debido a esa fusión, realmente posee conocimiento del mundo. Sabe qué es una "guitarra" y sabe lo absurdo que es ver a una rana tocándola.

Beto
Precisamente. Entiende el contexto. Y como es principalmente una botella de lenguaje, los investigadores pudieron instruirla usando indicaciones (prompts) de lenguaje natural muy matizadas.

Alicia
Aquí es donde la metodología realmente brilla para mí. No solo escribieron "califica la novedad de esta imagen del 1 al 7". Realmente analizaron las encuestas posteriores al experimento de los trabajadores de M-Turk humanos para averiguar cómo llegaron a sus puntuaciones. Luego construyeron esos criterios humanos exactos en las instrucciones para la IA.

Beto
Es tan ingenioso.

Alicia
Leyeron la indicación específica que diseñaron para la dimensión de la novedad, y es fascinante. Ordenaron al VLM que juzgara la imagen basándose en tres criterios humanos explícitos.

Primero, familiar versus único. Básicamente, ¿con qué frecuencia encontraría una persona típica esta escena específica en su vida diaria?

Segundo, fondo: ¿está el sujeto contra un telón de fondo de estudio simple, o un entorno complejo del mundo real?

Y tercero, real versus artificial: ¿Se ve como una fotografía natural o está fuertemente estilizada y generada por computadora?

Literalmente descargaron el razonamiento humano en el prompt de la máquina.

Beto
Y el resultado de ese mapeo semántico fue un salto masivo en el rendimiento. Cuando compararon las estimaciones de novedad del VLM con los promedios humanos reales, el VLM logró una precisión relativa del 77%.

Alicia
Vaya.

Beto
Y recuerda, las CNN tradicionales ni siquiera pudieron romper el umbral del 70% en su mejor día.

Alicia
Exacto.

Beto
El VLM predijo con éxito las tres dimensiones individuales porque estaba juzgando el significado de la imagen, no solo contando los píxeles.

Alicia
De acuerdo. Así que el VLM ha demostrado que puede mirar una foto y decir con precisión que "esto es muy sorprendente, pero bajo en excitación". Pero eso fue solo la fase uno.

Beto
Correcto. Tenían un paso más.

Alicia
La prueba definitiva fue combinar esas estimaciones aisladas. ¿Podrían tomar esas tres puntuaciones separadas del VLM y usarlas para predecir la puntuación final general de creatividad de la imagen?

Beto
Aquí es donde trajeron la maquinaria pesada para completar el proceso. Tomaron las fortalezas de las dimensiones estimadas por el VLM y las alimentaron a una suite de modelos de aprendizaje automático supervisado.

Alicia
Y estos son algoritmos diseñados para aprender la relación entre entradas y una salida, ¿verdad?

Beto
Exacto.

Alicia
El artículo enumera una sopa de algoritmos que probaron este paso final. "Bosque Aleatorio" ("Random forest"), "clasificación de vectores de soporte" ("Support Vector Classification", SVC), "vecinos más cercanos" ("K-Nearest Neighbors", o kNN), y "redes neuronales artificiales" ("Artificial Neural Networks", o ANN). En lugar de solo listarlos, digamos, desglosemos cómo operan en este contexto porque es brillante.

Beto
Claro. Hagámoslo.

Alicia
Así que utilizaron un modelo de "bosque aleatorio". Piensa en esto como pedirle a un gran consejo de árboles de decisión que voten por la puntuación final basada en las estimaciones del VLM. Si el árbol de la novedad vota alto y el árbol de la sorpresa vota alto, el bosque promedia los votos para predecir la puntuación de creatividad final.

Beto
Es una forma perfecta de visualizarlo. Y el SVC, o "clasificación de vectores de soporte", opera un poco diferente. Imagina graficar todas estas imágenes en una caja de arena gigante basada en sus tres puntuaciones dimensionales. El SVC intenta dibujar las líneas divisorias perfectas en la arena para separar las imágenes altamente creativas de las aburridas.

Alicia
Eso tiene sentido.

Beto
Y luego los kNN, o "vecinos más cercanos", esencialmente mira el vecindario. Evalúa una imagen encontrando las imágenes históricas que obtuvieron puntuaciones más similares en novedad, sorpresa y excitación. Y asume que la nueva imagen tendrá una puntuación de creatividad general similar.

Alicia
Correcto.

Beto
Y finalmente, la red neuronal artificial, la ANNs, actúa como una mini-cerebro. Espera las conexiones entre esas tres dimensiones hasta que encuentra el equilibrio matemático perfecto para emitir una puntuación final.

Alicia
Así que tienen toda esta colección de modelos tratando de predecir la creatividad basándose enteramente en lo que les dijo el VLM. Y la conclusión que llegaron aquí es bastante asombrosa.

Beto
Lo es.

Alicia
Los investigadores encontraron que las puntuaciones de creatividad generales generadas por estos modelos de aprendizaje automático eran estadísticamente equivalentes a las puntuaciones de creatividad generadas utilizando las fortalezas reportadas por los humanos.

Beto
Realmente necesitamos hacer una pausa y apreciar eso por un segundo. Una tubería completamente automatizada, literalmente solo un sistema de código, miró una imagen, la desglosó en componentes psicológicos y produjo una puntuación de creatividad final que era estadísticamente indistinguible de una puntuación generada por servir a un grupo masivo de seres humanos reales.

Alicia
Es alucinante.

Beto
Demostró que la fórmula oculta es real. La creatividad puede descomponerse, medirse y predecirse sistemáticamente por una máquina.

Alicia
Correcto. Los investigadores no se detuvieron ahí.

Beto
Correcto. Quieren saber el funcionamiento interno de esa fórmula, así que realizaron lo que se llaman "estudios de ablación".

Alicia
Sí. Un estudio de ablación es esencialmente tomar una máquina compleja y quitarle piezas una por una para ver cómo reacciona el sistema.

Beto
Como quitar las bujías de un motor. Si no arranca, sabes exactamente qué tan importantes son.

Alicia
Exacto. Al quitar dimensiones de sus modelos predictivos, querían ver cuál de las tres, la novedad, la sorpresa o el excitación, llevaba más peso en la predicción de esa puntuación de creatividad final.

Beto
Y los estudios de ablación revelaron dos hallazgos importantes. Primero, y honestamente, esto es una victoria para la humanidad. Cuando aislaron las dimensiones, la entrada humana todavía superó ligeramente a una entrada de VLM para predecir la novedad y la sorpresa por sí solas. Lo que nos dice que, si bien la máquina es increíblemente precisa, la intuición humana todavía tiene una ligera ventaja cuando se trata de juzgar el contexto matizado de lo que es genuinamente original. El punto de referencia humano sigue siendo el estándar de oro definitivo.

Alicia
Pero el segundo hallazgo es el que realmente cambia cómo veo el arte. El estudio de ablación identificó a la novedad como el campeón de peso sin diluir. Fue el motor principal de las puntuaciones de creatividad generales de la imagen.

Beto
Por un margen muy amplio, de hecho. Pero los datos mostraron que si una imagen obtenía una alta puntuación en novedad, casi universalmente obtenía una alta puntuación en creatividad general, independientemente de las otras dimensiones.

Alicia
Así que si la novedad es el motor principal, ¿significa eso que simplemente ser extraño es el atajo más grande para ser visto como creativo? Si quiero que la gente piense que soy un genio artístico, ¿debería empezar a pegar tazas de té en el techo de mi sala solo porque es raro?

Beto
Bueno, podrías recibir algunas miradas extrañas, pero esto plantea una pregunta importante. Y estás tocando una verdad psicológica profunda.

Alicia
¿De verdad?

Beto
Sí. El artículo define la novedad como originalidad y rareza en la vida cotidiana. Pegar tazas de té en el techo es ciertamente raro. Ahora, la verdadera creatividad psicológica generalmente implica algún elemento de intencionalidad o valor estético. Pero los datos son innegables.

Si fueras un diseñador que busca aumentar inmediatamente la creatividad percibida de un producto, tu palanca más efectiva es hacerlo altamente inusual en comparación con las expectativas diarias del espectador.

Alicia
Es el atajo definitivo para romper el ruido.

Toda esta inmersión profunda reformula completamente el concepto para mí. La creatividad no es magia. Es una arquitectura de novedad, sorpresa y excitación. Puedes diseñar sistemáticamente un momento de "¡Ajá!".

Beto
Y las aplicaciones para esta tubería automatizada se extienden mucho más allá de solo juzgar arte o generar imágenes extrañas de IA. Piensa en cualquier sentimiento que dependa de la comunicación visual. Los investigadores destacan explícitamente la visualización de datos como una aplicación futura principal.

Alicia
Oh, ¿como usar esta tubería para averiguar si un gráfico de barras o un diagrama de dispersión será más efectivo para una presentación corporativa?

Beto
Exacto. Podrías construir un modelo que evalúe las propiedades visuales fundamentales de un conjunto de datos, como el tono, la luminancia, la posición espacial. La IA podría recomendar instantáneamente el diseño de visualización más atractivo para ayudar a un espectador humano a comprender datos complejos más rápido, simplemente maximizando las dimensiones psicológicas apropiadas.

Alicia
Cualquier dominio que pueda estructurarse en propiedades visuales podría utilizar esta tubería exacta para la eficiencia del flujo de trabajo. Eso es enorme.

Beto
Lo es.

Alicia
Pero hemos establecido que esta IA puede imitar perfectamente el juicio de un humano sobre la creatividad.

Hay una trampa masiva escondida en la metodología, sin embargo, que debemos hablar antes de seguir.

Beto
Escuchémosla.

Alicia
Cuando los investigadores construyeron esa línea base humana en M-Turk, restringieron específicamente su grupo de participantes a trabajadores basados en EE. UU.

Beto
Lo que, desde un punto de vista científico, es una práctica estándar. ¿Quieres un estudio controlado con minimizar variables de base? Quieres participantes que compartan expectativas comunes.

Alicia
Correcto, pero sigue la lógica de lo que acabamos de aprender. La novedad es el motor principal de la creatividad, y el VLM fue instruido explícitamente para juzgar la novedad basándose en lo que es raro en la vida cotidiana.

Beto
De acuerdo, veo a dónde vas.

Alicia
Y la sorpresa se basa en la violación de normas culturales. Pero la vida cotidiana y las normas culturales son completamente diferentes dependiendo de dónde vivas en este planeta.

Entonces, ¿qué tan salvajemente cambiaría la definición de creatividad de esta IA si fuera entrenada en una cultura completamente diferente?

Beto
Esa es una pregunta fenomenal. Si entrenaras este mismo modelo de lenguaje visual exacto con datos de encuesta recopilados de, digamos, una aldea rural en Japón o una comunidad nómada en Kenia, la línea base de lo que se considera raro o familiar, eso cambiaría completamente.

moss_jp_castle_kimono_800.png
Escena rural de Japón
(generado con moss-image en ComfyUI)

Alicia
Exacto. Las matemáticas dirían lo mismo, pero el resultado sería drásticamente diferente.

Beto
Un conjunto completamente diferente de imágenes sería calificado como creativo.

Alicia
Lo que nos deja con esta idea, ¿existe la creatividad universal? ¿O la creatividad está enteramente en el ojo del observador cultural? Al comienzo de esta inmersión profunda, te pedí que imaginaras una imagen creativa y decidieras si era magia o una fórmula oculta. Hemos demostrado que la fórmula existe.

Beto
Pero resulta que las variables en esa fórmula podrían ser solo un reflejo de la cultura específica que sostiene el espejo.

Alicia
Una realización poderosa. La máquina puede resolver las matemáticas, pero la humanidad todavía define las variables.

Gracias por sumergirte con nosotros. Sigue cuestionando lo cotidiano. Y te encontraremos en la próxima.