Arte por IA: Oportunidades y desafíos

La integración de la inteligencia artificial en el mundo del arte ha generado amplios debates sobre originalidad, autoría y ética, transformando radicalmente los procesos creativos tradicionales. Los sistemas legales tanto de Estados Unidos como de Europa exigen actualmente la autoría humana para la protección de los derechos de autor, clasificando las plataformas generativas simplemente como herramientas avanzadas dirigidas por usuarios humanos. Además, persisten las preocupaciones generalizadas sobre la infracción de derechos de autor durante la fase de entrenamiento de la IA, junto con la tendencia de los algoritmos a amplificar los sesgos y estereotipos sociales. A pesar de estos desafíos, los educadores abogan cada vez más por la incorporación reflexiva de la IA en la pedagogía artística para fomentar la participación estudiantil, el pensamiento crítico y el aprendizaje colaborativo. En definitiva, adoptar estas tecnologías como facilitadoras de la creatividad puede salvar la brecha entre la tecnología y el arte tradicional, ampliando al mismo tiempo los horizontes de la educación moderna.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "AI-Generated Art: A Cornucopia Of Creative Opportunities Or A Threat To Education?". Por M. Ioannidou y colegas. Publicado el 3 de Julio de 2024.

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
El año pasado un hombre ganó el primer premio en una competencia de arte para una feria estatal muy importante y ni siquiera tomó un solo pincel.

Beto
Ni uno.

Alicia
Claro, no mezcló ni un solo color. Es decir, básicamente solo tecleó un párrafo en una computadora.

Beto
Sí, todavía estamos asombrados de eso.

Alicia
Y hoy estamos examinando por qué ese acto solitario ha roto completamente nuestro sistema legal, ha indignado al mundo del arte tradicional. Y sin embargo, simultáneamente podría ser la herramienta educativa más grande que hemos inventado en décadas.

Beto
Realmente lo es.

Alicia
Bienvenidos a un nuevo análisis profundo. Sabemos que están aquí porque quieren mantenerse alerta e informados, pero absolutamente no quieren quedar sepultados bajo una montaña gigante de sobrecarga de información.

Beto
Correcto. Solo quieren la perspectiva.

Alicia
Exacto.

Así que hoy tenemos una misión realmente fascinante. Investigadores de la Universidad Aristóteles de Tesalónica y la Universidad de París, de la Sorbona, han reunido esta mirada increíblemente completa sobre los impactos filosóficos, legales y educativos de la IA en la creatividad humana.

Beto
Es un artículo fantástico.

Alicia
Lo es. Así que vamos a cortar todo el pánico en torno a plataformas como DALL-E y Mid-Journey para descubrir cómo el arte está evolucionando fundamentalmente en tiempo real.

Beto
Porque definitivamente está evolucionando muchísimo.

Alicia
Bien, desglosémoslo. ¿Por dónde empezamos cuando la definición misma del arte es completamente trastocada por un teclado?

IA en Educación del Arte: Navegando Desafíos Legales & Oportunidades Creativas

Beto
Bueno, empezamos separando la mecánica de la máquina, de la intención humana. Quiero decir, la fricción central ahora es que el proceso creativo real detrás de estos modelos generativos se basa en pura matemática y enormes conjuntos de datos, en lugar de experiencias personales vividas.

Pero es crucial recordar que el resultado sigue impulsado enteramente por la intención humana.

Alicia
Porque la IA no lo hace por sí misma.

Beto
Exacto. La máquina no se despierta, se inspira por un amanecer y decide pintar. Simplemente no lo hace.

Alicia
Nos necesita a nosotros.

Beto
Correcto. Requiere a un humano para que diseñe una instrucción (prompt) para guiar los parámetros y básicamente itere sobre el resultado.

Alicia
Sí, pero tengo que contrarrestar eso un poco porque si una máquina está generando la imagen físicamente, píxel por píxel, ¿no se siente menos como arte y más como una máquina tragaperras glorificada?

Beto
¿Una máquina tragaperras?

Alicia
Sí, como si tiraras de una palanca con un texto de instrucción. Escribes, no sé, "perro ciberpunk en una patineta" y solo esperas un premio gordo. Quiero decir, la máquina hace el trabajo pesado, no el encargado de dar la instrucción.

"Perro ciberpunk en una patineta" (hecho con Qwen-image-2.1 en ComfyUI)

Beto
Lo fascinante aquí es que históricamente, el establecimiento artístico siempre ha tenido exactamente la misma reacción alérgica a las nuevas tecnologías.

Alicia
¿De verdad? ¿Como qué?

Beto
O, sabes, métodos que automatizan cualquier parte del proceso. Si miramos hacia atrás, hay un paralelismo brillante con las disrupciones artísticas pasadas.

Alicia
Correcto. Te escucho.

Beto
Piensa en Marcel Duchamp o Kazimir Malevich. Cuando introdujeron su trabajo, chocaron violentamente con las tradiciones establecidas.

Alicia
Muy bien. Duchamp, el tipo del urinario.

Beto
Exacto. Duchamp presentó un urinario hecho de fábrica en una exposición y lo llamó "fuente". Y el establecimiento se indignó por completo.

Alicia
Porque literalmente solo compró un urinario.

Beto
Correcto. Alegaron que él no lo hizo. No requería habilidad física y, por lo tanto, no era arte.

Pero él estaba forzando al mundo a redefinir la creación artística como un acto de elección conceptual.

Alicia
En lugar de solo fabricación física.

Beto
Precisamente. Incluso las artes digitales enfrentaron una masiva fase crítica antes de ser aceptadas.

Alicia
Así que estás diciendo que la ingeniería de prompts es solo el equivalente moderno de Duchamp señalando un urinario.

Beto
Esencialmente sí. Quiero decir, es una transgresión de los límites.

Pero en cuanto a tu punto sobre la máquina tragaperras, necesitamos entender cómo funciona realmente la IA para ver por qué no es solo una suerte aleatoria.

Alicia
Correcto, porque no está simplemente buscando imágenes de Google.

Beto
No, para nada. Estos sistemas utilizan lo que se llama "modelos de difusión". Y piensa en ello como una máquina que mira miles de millones de imágenes hasta que entiende cómo se ve el ruido estático puro de la televisión en comparación con cómo se ve un perro.

Alicia
Correcto. Estática de TV.

Beto
Sí. Así que cuando escribes "perro", comienza con un lienzo de ruido estático completo.

Alicia
Como solo píxeles aleatorios.

Beto
Exacto. Y matemáticamente revierte ese ruido paso a paso para construir un perro basada en probabilidades estadísticas.

Alicia
Vaya.

Beto
Correcto. Así que no está sacando una imagen prefabricada de un sombrero. Está calculando una probabilidad visual basada en tus indicaciones lingüísticas específicas.

Alicia
Así que la intención y la curación son humanas.

Beto
Sí. La intención, la curiosidad, la curación, eso es profundamente humano. La ejecución es solo matemática.

Alicia
Pero si la historia nos muestra que la tecnología, ya sea objetos hechos en fábrica o software digital, eventualmente es adoptada como arte, ¿por qué hay tal rechazo visceral tan intenso contra el arte de IA ahora mismo?

Beto
Esa es una buena pregunta.

Alicia
Quiero decir, miras en cualquier parte en línea y las secciones de comentarios debajo de las imágenes generadas por IA son absolutamente brutales.

Beto
Lo son.

Y se reduce a una barrera psicológica muy específica. Los investigadores identifican esto como "un sesgo generalizado contra la percepción del esfuerzo".

Alicia
"Percepción del esfuerzo", es decir, lo difícil que parece hacerlo.

Beto
Exacto. Culturalmente, estamos profundamente condicionados a equiparar el valor del arte con el sufrimiento físico o la inversión de tiempo del artista.

Alicia
El esfuerzo del artista luchador.

Beto
Correcto. La gente cree fundamentalmente que debido a que el arte de IA requiere un esfuerzo humano físico significativamente menor, es inherentemente menos valioso.

Alicia
Quiero que pienses en eso por un segundo mientras escuchas. Piensa en tus propias reacciones iniciales cuando deslizas sobre una ilustración digital absolutamente impresionante en tu feed y luego sabes, detectas el hashtag arte de IA en el pie de foto.

Beto
Eso lo cambia todo.

Alicia
Realmente lo hace. ¿Se pierde su magia para ti de repente?

Es tan naturalmente humano devaluar algo que parece demasiado fácil de crear. Queremos ver la sangre, el sudor y las lágrimas detrás del lienzo.

Beto
Precisamente. Y esa expectativa de trabajo físico intenso socava por completo nuestra capacidad para evaluar la imagen objetivamente.

Alicia
Simplemente no podemos ver más allá del teclado.

Beto
No podemos. Además, la gente argumenta que la IA carece de la capacidad para una profundidad emocional genuina.

Alicia
Porque es una máquina.

Beto
Correcto. Porque sabemos que el humano no lloró físicamente mientras pintaba. Luchamos por sentir la emoción que la imagen está transmitiendo. Es esta pared psicológica que impide que el público vea el esfuerzo conceptual.

Alicia
Las horas de ajuste de las indicaciones.

Beto
Sí. Las horas de iteración, refinamiento y curación que el usuario humano realmente invirtió.

Alicia
Pero esta línea dura legal sobre el esfuerzo y la autoría humana, no se ha quedado solo en el ámbito de la opinión pública y las secciones de comentarios.

Beto
No, no lo ha hecho.

Alicia
Ha chocado directamente con el sistema legal, lo que nos devuelve al tipo que en la Feria Estatal de Colorado ganó con sus AIPs.

Beto
Correcto. "Théâtre D'opéra Spatial".

Alicia
Sí. Su nombre es Jason Allen. Él gana. El mundo del arte se vuelve nuclear. Y entonces la oficina de derechos de autor de EE. UU. interviene.

"Théâtre D'opéra Spatial" (2022), de Jason Allen. (Fuente: wikipedia)

Beto
Sí. El caso Thaler vs Perlmutter es la referencia clave aquí.

Pero la situación de Jason Allen ilustra perfectamente las consecuencias de todo esto.

Alicia
¿Qué dijo la oficina de derechos de autor?

Beto
Bueno, la oficina de derechos de autor de EE. UU. y la ley de derechos de autor de la UE, por lo mismo, exigen estrictamente la autoría humana. Así que negaron a Jason Allen la protección de derechos de autor por su obra ganadora.

Alicia
Vaya. La negaron completamente.

Beto
Completamente. Su postura es que los derechos de autor protegen los frutos del trabajo intelectual que se fundamentan en las facultades creativas de la mente.

Alicia
Lo que suena razonable al principio.

Beto
Correcto. Pero argumentan que un algoritmo que se ejecuta en una máquina opera sin ninguna contribución creativa humana en la formación real de los elementos tradicionales de la autoría.

Alicia
Mira, realmente tengo problema con esa postura legal.

Beto
¿Por qué?

Alicia
Porque, bueno, si tomo una fotografía digital y luego la meto en software altamente automatizado como Photoshop. Y uso un montón de herramientas complejas donde el software calcula cómo mezclar colores, generar gradientes y manipular píxeles. Todavía soy dueño de esa imagen final.

Beto
Eso es cierto.

Alicia
Así que si paso 40 horas visualizando cuidadosamente una idea y ajustando indicaciones increíblemente precisas de párrafos para entrenar a una IA en la estética exacta que quiero, ¿cómo no es eso una creación de la mente? Quiero decir, la mente hizo el trabajo.

Beto
Si conectamos esto con la imagen más amplia, realmente tenemos que mirar cómo la ley de derechos de autor distingue entre una idea y una expresión.

Alicia
Muy bien. Desglósalo para mí.

Beto
Los derechos de autor no protegen las ideas. Protegen la expresión específica y fija de esas ideas.

Alicia
Oh, interesante.

Beto
Sí. En lugares como Francia, la ley requiere una œuvre de l'esprit, lo que se traduce en "una creación directa de la mente".

El argumento legal ahora es que cuando usas software tradicional como Photoshop, todavía estás controlando la expresión literal.

Alicia
Como dónde va físicamente el gradiente.

Beto
Correcto. Cómo se mezclan los píxeles. Pero con el prompt de IA, el argumento es que solo estás proporcionando la idea. La máquina es la entidad que realmente traduce esa idea en una expresión fija final.

Alicia
Así que la ley me ve como "la clienta" y a la IA como la artista "freelance" contratada.

Beto
Eso es una forma brillante de decirlo.

Alicia
No puedo afirmar que pinté la imagen solo porque le di al "freelancer" un resumen muy detallado.

Beto
Esa es una analogía perfecta de cómo la corte la ve actualmente. El sistema legal a nivel mundial está en un frenesí, pero ahora mismo el control creativo humano físico sobre la salida literal es la línea base absoluta.

Alicia
Simplemente trazan una línea dura en la máquina haciendo la generación.

Beto
Lo hacen.

Alicia
Pero sabes, esta línea dura legal sobre la autoría humana expone una ironía mucho más oscura.

Beto
¿Cómo?

Alicia
La ley dice que la máquina no recibe crédito por la salida que está a punto de hacer. La máquina tuvo que digerir millones de obras creadas por humanos que tampoco están recibiendo crédito.

Beto
Ah, sí. Los datos de entrenamiento.

Alicia
Exacto.

Lo que nos lleva a la masiva tormenta legal y ética que se está gestando en torno a la entrada. Antes de siquiera hablar de la propiedad de la salida, ¿cómo están aprendiendo estas máquinas qué es una pincelada en primer lugar?

Beto
Aquí es donde entramos en la mecánica de la extracción de datos (data scraping).

Para entrenar esos modelos de difusión de los que hablamos antes, los desarrolladores necesitan miles de millones de pares de imágenes y texto.

Alicia
Miles de millones.

Beto
Miles de millones. Así que rastrearon internet público recopilando enormes conjuntos de datos. El ejemplo más destacado actualmente es la demanda en la que Getty Images está demandando activamente a Stability AI.

Alicia
Getty Images, ¿la masiva compañía de fotos de archivo?

Beto
Sí. Getty alega que su Stability AI rastreó más de 12 millones de sus fotografías cooperadas.

Alicia
12 millones.

Beto
Sí. Completas con sus leyendas y marcas de agua propietarias para entrenar sus modelos competidores.

Alicia
Y están haciendo esto para construir un negocio competidor sin pedir permiso o pagar ni un céntimo en licencias.

Beto
Exacto.

Los proveedores de IA a menudo rastrean estas imágenes bajo el pretexto de "uso legítimo para fines de investigación".

Alicia
Investigación.

Beto
Correcto. Pero los artistas y plataformas masivas como Getty argumentan que es una flagrante infracción de derechos de autor a escala industrial.

Alicia
Lo cual tiene sentido.

Beto
Realmente crea un ecosistema donde los creadores humanos originales quedan completamente al margen del valor generado por su propio trabajo acumulado.

Alicia
Aquí es donde se pone realmente interesante, sin embargo, porque no se trata solo de la mecánica de robar marcas de agua protegidas por derechos de autor.

Beto
No, va mucho más profundo.

Alicia
Cuando rastreas miles de millones de imágenes de internet, no solo estás descargando fotos de árboles y edificios. Estás descargando toda nuestra carga histórica.

Beto
Todos nuestros sesgos.

Alicia
Exacto. Los investigadores en el artículo señalan que estos modelos de IA tienen un grave problema con los sesgos ocultos.

Beto
Sí. La amplificación estadística de los estereotipos humanos.

Alicia
Cuéntanos más sobre eso.

Beto
Bueno, porque los modelos aprenden al encontrar patrones y conjuntos de datos masivos y sin curar, raspados de la internet, inevitablemente absorben los desequilibrios estadísticos presentes en esos datos.

Alicia
¿Como qué?

Beto
Por ejemplo, si le pides a un generador de texto a imagen una imagen de un líder o un abogado, tenderá desproporcionadamente a generar imágenes de hombres.

Alicia
Porque eso es lo que muestran los datos históricos con más frecuencia.

Beto
Correcto. Y a la inversa, otras indicaciones revelan graves sesgos raciales. El artículo señala ejemplos como los modelos que representan desproporcionadamente a los "prisioneros" como personas negras.

Alicia
Bueno, así que no es solo un espejo que sostiene nuestra sociedad. Es como un espejo de casa de diversión.

Beto
Un espejo de casa de diversión muy peligroso.

Alicia
Porque toma los píxeles más comunes, las mayorías sociales y los exagera matemáticamente. Porque eso es lo que tiene más datos. Simplemente diluye todo el matiz diverso.

Beto
Reduce todo a un estereotipo matemáticamente.

Alicia
Eso es aterrador.

Beto
Esa es exactamente la forma en que funciona el mecanismo. Favorece las mayorías estadísticas para minimizar la pérdida o el error matemático durante la generación.

Alicia
Así que solo está tratando de ser matemáticamente correcto basándose en datos malos.

Beto
Sí. Las grandes empresas como OpenAI y Mid-Journey están constantemente tratando de parchear estos modelos para forzar resultados más diversos. Pero es una batalla continua contra la matemática subyacente de los conjuntos de datos.

Alicia
Por eso la legislación está empezando a ponerse al día, ¿verdad?

Beto
Finalmente, sí. Por eso estamos viendo intentos legislativos generales para intervenir. Más notablemente, la Ley de IA de la UE.

Alicia
Ah, la UE de nuevo, liderando la carga en la regulación tecnológica.

Beto
Como siempre. Específicamente, el Artículo 53 de la Ley está introduciendo obligaciones estrictas para los proveedores de modelos de IA de propósito general.

Alicia
¿Qué hace exactamente el Artículo 53?

Beto
Está tratando de forzar transparencia sobre qué datos fueron rastreados, garantizar el cumplimiento de la ley de derechos de autor y exigir que las empresas mitiguen activamente estos sesgos discriminatorios antes de que los modelos lleguen al mercado.

Alicia
Así que si eres profesor o maestro escuchando esto, estás viendo una tecnología, envuelta en demandas de derechos de autor, entrenada con datos no autorizados, que exagera matemáticamente los estereotipos.

Beto
Suena como una pesadilla para un aula.

Alicia
Realmente lo es.

Creo que el instinto de muchos educadores sería simplemente prohibir la IA en las aulas por completo. Simplemente bloquearla en el Wi-Fi de la escuela.

Beto
Muchos lo han intentado.

Alicia
Pero la investigación que estamos viendo argumenta lo contrario exacto, ¿no? Dice que esconderse de esta tecnología es una gran oportunidad perdida.

Beto
Lo es. Los investigadores abogan activamente por la integración, en lugar de la prohibición.

Alicia
¿Por qué?

Beto
Porque prohibirla no prepara a los estudiantes para la realidad del panorama profesional al que están a punto de entrar. En cambio, integrar la IA en la pedagogía del arte y el diseño puede actuar como un poderoso andamiaje educativo.

Alicia
¿Un andamiaje educativo?

Beto
Sí, cultiva lo que llaman "el pensamiento de IA". El objetivo no es dejar que la IA haga el trabajo, sino enseñar al estudiante cómo dirigir el sistema de manera ética, intencional y creativa.

Alicia
Bueno, el texto destacó este ejemplo práctico increíble que ilustra perfectamente esto y tengo que compartirlo.

Beto
Oh, por favor. Es un gran ejemplo.

Alicia
Fue una campaña de la agencia Ogilvy Paris para Nestlé y usaron la famosa pintura del siglo XVII de Johannes Vermeer, "La Laitière" ("The Milkmaid").

"La Laitière" de Vermeer

Beto
Un clásico.

Alicia
Correcto. Y usaron la herramienta de pintura de DALL.E 2 para expandir literalmente el lienzo.

Así que no cambiaron la doncella original sirviendo leche en el centro, sino que imaginaron el resto de la habitación fuera del marco original.

Beto
Correcto. Y para hacer eso con éxito en un entorno educativo, un estudiante no puede simplemente escribir, "haz la habitación más grande".

Alicia
No. La IA simplemente adivinaría al azar y haría un desastre.

Beto
Exacto.

Alicia
Para que se vea fluida, el encargado de la instrucción tiene que entender profundamente el tema. Conservaron el estilo exacto de Vermeer, como la textura del óleo y el lienzo o la forma específica en que entra la luz por la ventana.

Beto
La iluminación en esa pintura es icónica.

Alicia
Lo es. Pero expandieron la habitación por cinco veces. Añadieron vigas de techo nuevas, un reloj de péndulo, espectadores e incluso un niño pequeño asomándose por debajo de una mesa pequeña.

"La Laitière" de Nestlé X Ogilvy Paris x DALL.E 2"

Beto
Ahora piensa en el práctico educativo de un estudiante que intenta eso hoy.

Alicia
Sería intenso.

Beto
Lo sería. Tendrían que estudiar las condiciones sociales y económicas de Ámsterdam del siglo XVII, solo para saber qué objetos pertenecen históricamente a esa habitación.

Alicia
No puedes simplemente poner un refrigerador moderno allí.

Beto
Correcto. Tienen que entender la cámara oscura, el enfoque suave y las texturas de pigmento ultramarino para escribir las restricciones lingüísticas correctas para la IA.

Alicia
Eso es tan genial.

Beto
Están esencialmente colaborando con la historia del arte que están estudiando. Les obliga a ser directores de la tecnología increíblemente articulados e intencionales.

Alicia
Es básicamente una clase magistral de historia del arte disfrazada de entrenamiento tecnológico.

Y esto no es solo material de aula teórico tampoco. Los niveles más altos del establecimiento artístico tradicional están empezando a validar esto.

El MoMA, el museo de arte moderno de Nueva York, organizaron una exposición del artista Refik Anadol llamada "Unsupervised", que fue creada enteramente por modelos de aprendizaje automático interpretando los propios archivos del museo.

Beto
Lo cual es una validación increíble.

"Unsupervised", de Refik Anadol en el MoMA

Alicia
Y la National Gallery de Londres creó una galería de IA completa también.

Beto
Lo que demuestra que la IA, cuando se utiliza intencionalmente, es un paso adelante en la expansión de los límites de la expresión.

Alicia
No es solo un truco de salón.

Beto
No, requiere una introducción fluida en el sistema educativo, para que podamos enseñar a los estudiantes los límites del uso positivo en lugar de dejarlos navegar por los campos éticos y legales por su cuenta.

Alicia
Entonces, ¿qué significa todo esto?

Beto
Esa es la gran pregunta.

Alicia
Empezamos mirando una máquina que genera arte y se sintió como una amenaza para el concepto mismo de la creatividad humana.

Pero si seguimos la amenaza de esta investigación, vemos que la IA no está cambiando el deseo humano fundamental de crear.

Beto
Para nada.

Alicia
Está cambiando la economía de la imaginación. Está separando la ejecución del arte de la ideación del arte.

Beto
Me encanta esa frase: "La economía de la imaginación".

Alicia
Correcto. La ingeniería de prompts se está convirtiendo en la nueva pincelada.

Sí, el sistema legal está completamente, lamentablemente, despreparado para un mundo donde la máquina es la fabricadora y el humano es el director conceptual, pero en última instancia es una herramienta.

Beto
Una herramienta que cambia fundamentalmente el papel del artista. La imaginación humana permanece en la absoluta vanguardia. Solo es el mecanismo de ejecución lo que ha evolucionado.

Alicia
Y eso te importa directamente a ti que estás escuchando esto ahora mismo. Ya sea que estés preparando una reunión creativa en el trabajo, estudiando diseño o simplemente navegando por tu feed de redes sociales, tu definición personal de creatividad y autoría está siendo reescrita activamente.

Beto
Cada día.

Alicia
La forma en que consumes valor y juzgas los medios visuales nunca será la misma.

Beto
Lo que nos lleva a un umbral bastante fascinante para considerar. Algo que la investigación insinúa.

Alicia
Oh, ¿qué es eso?

Beto
Si las máquinas son ahora capaces de imitar, recombinar y expandir la totalidad de la historia del arte humana en segundos, ¿significa eso que el próximo movimiento artístico humano verdaderamente innovador tendrá que ser algo que una máquina fundamentalmente no pueda comprender o replicar?

Alicia
Vaya. Eso es algo a lo que pensar la próxima vez que te encuentres de pie en un gran museo silencioso mirando una obra maestra y preguntándote qué tipo de inteligencia la creó.

Gracias por acompañarnos en este análisis profundo. Sigue siendo curioso.

StepAudio 3 Music

El informe técnico de StepAudio 3 Music presenta un marco avanzado y a gran escala para la síntesis de audio de larga duración, capaz de gestionar el condicionamiento de texto de dominio abierto junto con la planificación musical explícita. Mediante el uso de un tokenizador de un solo diccionario de códigos de 50 Hz especializado, combinado con un transformador de difusión con coincidencia de flujo, el sistema logra salvar la brecha entre la predicción discreta de secuencias lingüísticas y la renderización acústica de alta fidelidad a 48 kHz. Gracias a la integración de la planificación de la cadena de pensamiento de notación ABC (ABC-CoT), un programa de entrenamiento progresivo multitarea y la optimización directa de preferencias (DPO), el modelo alcanza un rendimiento superior en múltiples parámetros de calidad de producción y disfrute del contenido. En definitiva, esta arquitectura permite a los creadores inspeccionar, editar y orquestar estructuras armónicas, rítmicas y melódicas complejas antes de la generación final de la forma de onda.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "StepAudio 3 Music - Technical Report". Por Chengli Feng y colegas. Publicado el 11 de Septiembre 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

Beto
Los modelos de IA pueden generar como un fotorealista para dar a un gato en milisegundos, ¿verdad?

Alicia
Oh, absolutamente.

Beto
Y pueden escupir un bloque impecable de código Python en un abrir y cerrar de ojos. Pero si les pides que generen una canción pop de tres minutos, para el minuto dos, se han olvidado por completo del coro.

Alicia
Sí, es un gran problema.

Beto
La melodía comienza a divagar hacia los bosques digitales. Los rellenos de batería simplemente pierden su ritmo. Y de repente, esa pista de synth pop animada que pides se transforma en esta pared caótica y sin forma de sonido.

Alicia
Claro. El sistema básicamente sufre de amnesia.

Beto
Exacto. Así que hoy vamos a sumergirnos en un avance que realmente soluciona este tipo específico de amnesia. Y no es dándole a la IA mejores oídos, sino obligándola a escribir partituras tradicionales antes de que cante una sola nota.

Alicia
Sí, es un enfoque fascinante. Estamos examinando un nuevo informe técnico sobre un modelo llamado "StepAudio 3 Music".

Y esta investigación proviene de una colaboración entre StepFun, ACE-Studio, la Universidad China de Hong Kong y UC San Diego.

Beto
Vaya. Bien. Jugadores pesados.

Alicia
Claro. Y han resuelto esencialmente el problema de la generación de formas largas. Demuestran un sistema que puede producir música coherente y de altísima fidelidad por hasta cinco minutos y treinta segundos.

Beto
Cinco minutos y medio. Eso es prácticamente una "Bohemian Rhapsody" completa.

Alicia
Lo es. Y lo hace sin perder su integridad estructural. La filosofía central aquí, la idea realmente grande, es la separación estricta de la organización musical de la representación acústica real.

StepAudio 3: Plan Explícito para Generación de Música por IA de Formato Largo

Beto
Bien, desglosémoslo. Porque para entender cómo StepAudio 3 crea una pista cohesiva de cinco minutos, primero tenemos que ver cómo ingiere el audio.

Alicia
Claro.

Beto
No puedes simplemente alimentar formas de onda de audio crudas en un modelo de lenguaje. Los datos son demasiado continuos. Son altamente densos y simplemente inmanejables para un transformador autorregresivo.

Alicia
Simplemente colapsaría la ventana de contexto.

Beto
Exacto. Así que el sistema se basa en un tokenizador para discretizar esa forma de onda continua en una secuencia de tokens distintos.

Alicia
Y los investigadores se enfrentan al dilema severo de cuello de botella cuando diseñan este tokenizador. Hicieron pruebas exhaustivas en tres arquitecturas de compresión diferentes a una tasa de cuadros de 25 Hertz.

Beto
¿Que fueron?

Alicia
Así que probaron una cuantización de vector de libro de código único, una cuantización de vector residual semántico y una cuantización de vector residual acústico.

Beto
Bien. Los modelos RVQ ("Residual Vector Quantization", "cuantización de vector residual").

Alicia
Bien. Y los modelos RVQ básicamente apilan múltiples libros de código uno encima del otro para capturar detalles cada vez más finos y granulares del sonido.

Beto
¿Qué tipo de detalles?

Alicia
Oh, el ligero suspiro de una voz o la reverberación específica de la sala en un tambor de caja, o incluso los microtransitorios de un ataque de guitarra.

Beto
Y sus hallazgos aquí, tengo que decir, parecen totalmente contraintuitivos.

Alicia
Sí, lo hacen.

Beto
Porque los métodos RVQ acústicos y semánticos reconstruyeron el audio con una fidelidad impresionante. Como cuando se decodificaron, esos tokens sonaban casi idénticos al material fuente.

Alicia
Sonaban increíbles. Sí.

Beto
Pero cuando tomaron esos tokenizadores de alta fidelidad exactos y los usaron para entrenar el modelo a generar música nueva, la IA produjo pistas que, bueno, objetivamente, eran peores.

Alicia
La musicalidad simplemente desapareció por completo.

Beto
Claro. Las estructuras se desmoronaron por completo en esta prueba de escucha subjetiva.

Alicia
Lo fascinante aquí es que optimizar puramente para la reconstrucción acústica resulta ser una trampa para la generación de formas largas.

Beto
¿Una trampa? ¿Cómo es eso?

Alicia
Bueno, cuando usas libros de código RVQ apilados en capas, se obliga al modelo a predecir esta matriz de ruido acústico increíblemente densa.

Piensa en la realidad matemática de eso. Pasajes musicales semánticamente idénticos, como "tocar un acorde de Do mayor en un piano", pueden tener un millón de realizaciones acústicas diferentes.

Beto
Debido a la colocación del micrófono.

Alicia
Exacto. La colocación del micrófono, la velocidad del golpe de tecla, el ruido ambiental en la sala. Si el modelo autorregresivo tiene que calcular y predecir todas esas microvariaciones simultáneamente, la incertidumbre condicional se dispara.

Beto
Simplemente hay demasiada información para manejar a la vez.

Alicia
Claro. El mecanismo de atención se ve abrumado por los detalles acústicos. Y como resultado, el modelo pierde su agarre sobre la macroestructura de la canción. Olvida la canción para concentrarse en el sonido.

Beto
Es como intentar enseñarle a alguien a pintar un paisaje complejo masivo.

Alicia
Me gusta esa analogía.

Beto
Sí. Si les das 10 millones de micronotas hiperespecíficas de color, que es el RVQ acústico, se abruman por las elecciones granulares.

Alicia
Simplemente se paralizan.

Beto
Claro. Dedican todo su tiempo a obsesionarse con la refracción óptica exacta de una sola hoja y terminan pintando un desorden lodoso y desorganizado. Completamente pierde la vista de todo el paisaje.

Alicia
Eso es exactamente lo que le sucede al modelo.

Beto
Pero si les das una paleta estándar de 64 colores, el libro de código VQ único, deja de agonizar por los tonos a nivel de píxel y se enfoca en la composición, la perspectiva y el arte en sí.

Alicia
Justo. Al simplificar el objetivo de predicción, acortas drásticamente la ruta de propagación del error.

Los investigadores finalmente llegaron a una representación de libro de código único de 50 hertz, que contiene 65,536 entradas.

Beto
Así que solo un flujo de tokens.

Alicia
Sí, crea un cuello de botella discreto altamente estable. Aplanar el audio en un flujo predecible único. El modelo de lenguaje ya no se está ahogando en variaciones acústicas.

Beto
Así que realmente puede concentrarse en la música.

Alicia
Claro. Concentra su poder computacional completamente en el desarrollo musical, la progresión armónica y la consistencia rítmica a lo largo de secuencias que abarcan miles de tokens.

Beto
Pero, proporcionar un lenguaje de tokens estable es realmente solo darle a la IA una paleta confiable. Pintar ese paisaje masivo todavía requiere un boceto, un plano estructural, para que el artista no se pierda a mitad del lienzo.

Alicia
Lo que nos lleva a la innovación más radical en la arquitectura de StepAudio 3.

Beto
El procesamiento de "cadena de pensamiento" ("chain of thought", o CoT).

Alicia
Exacto. El estándar de la industria para la generación de texto a música ha sido en gran medida una operación de caja negra. Un usuario introduce una instrucción de texto y el modelo autorregresivo intenta mapear directamente ese texto semántico a tokens de audio en un solo barrido continuo.

Beto
Solo un tiro directo de texto a audio.

Alicia
Claro. Pero StepAudio 3 desmantela ese proceso por completo. Implementaron una mezcla de modelo autorregresivo de expertos que opera en un sistema de factorización de dos pasadas.

Beto
Dos pasadas.

Alicia
Sí. Impulsado por lo que llaman ABC-CoT o "cadena de pensamiento de notación ABC".

Beto
Y para cualquiera que no sepa, la notación ABC es este lenguaje basado en texto altamente estructurado utilizado para renderizar partituras tradicionales.

Alicia
Claro. Es literalmente partituras en forma de texto.

Beto
Así que en la primera pasada, antes de que el modelo sintetice incluso una fracción de segundo de audio, escribe explícitamente un plan de arreglo completo.

Alicia
Mapea todo.

Beto
Sí. Calcula el tempo deseado, establece el compás y la firma de tiempo, fija la tonalidad, mapea la estructura de la medida, define las progresiones de acordes y genera las secuencias melódicas explícitas. Todo formateado puramente en texto de notación ABC.

Alicia
El modelo de lenguaje se ve obligado a tomar decisiones musicales lógicas y explícitas.

Beto
Lo cual es enorme.

Alicia
Lo es. Si la instrucción pide una balada melancólica, el modelo no simplemente comienza a generar tokens acústicos lentos y tristes, sino que estructura activamente los parámetros.

Beto
Como seleccionar una tonalidad menor.

Alicia
Seleccionar una tonalidad menor, establecer un BPM más lento y redactar una progresión de acordes descendente. Crea una representación simbólica intermedia.

Beto
Así que las cabezas de atención en el transformador están mapeando el marco teórico de la canción.

Alicia
Exacto. Así que una vez que esa notación ABC está bloqueada, el trabajo del modelo de lenguaje como compositor está en gran parte hecho. Pasa esa partitura basada en texto a la segunda pasada, adjuntándola a su propia ventana de contexto.

Beto
Y eso actúa como el marco estricto para generar esos tokens musicales de libro de código de 50 hertz.

Alicia
Claro. Y a partir de ahí, el renderizador toma el control de un transformador de difusión de emparejamiento de flujo especializado completamente separado, DiT, ingiere esos tokens y los escala hasta la forma de audio completa de 48 kilohertz.

Beto
El modelo de lenguaje actúa como el compositor que escribe la partitura, y el DiT actúa como los músicos de sesión y el ingeniero de sonido que ejecuta la interpretación.

Alicia
Esa es la manera perfecta de decirlo.

Y si conectamos esto con la imagen más grande, las implicaciones para la producción musical real son asombrosas.

Beto
Quiero decir, puedo ver por qué.

Alicia
Puesto que el paso intermedio es un formato de texto legible y editable, el proceso de generación se vuelve totalmente transparente y modular.

Beto
Lo que nunca antes hemos tenido realmente.

Alicia
Nunca. Anteriormente, generar música con IA significaba tirar de una palanca de máquina tragamonedas. Si el modelo producía un verso fantástico, pero un puente matemáticamente disonante, el usuario no tenía recurso.

Beto
No podías arreglar el puente. Simplemente tenías que descartar toda la pista y volver a tirar los dados con una nueva instrucción.

Alicia
Exacto.

Beto
Espera, ¿significa esto que efectivamente transforma un proceso de generación de audio intratable en un borrador de trabajo editable?

Alicia
Sí, exactamente eso.

Beto
Así que si el creador decide que la progresión de acordes generada por la IA en el pre-coro no construye suficiente tensión, puede literalmente abrir el archivo de texto ABC, alterar los acordes específicos, reescribir la línea melódica y enviarla de vuelta al renderizador DIT para sintetizar la nueva forma de onda acústica.

Alicia
Sí. Ya no solo estás comandando a una IA. Estás co-componiendo activamente con ella a nivel estructural. Esto cierra el abismo enorme entre las instrucciones de texto globales, que son inherentemente vagas y control accionable local.

Beto
Pero quiero decir, para que un modelo de lenguaje produzca con éxito notación ABC apropiada para un género complejo, debe poseer una comprensión innata profunda de la teoría musical y la anatomía estructural.

Alicia
Oh, absolutamente.

Beto
Y estructurar ese plano requiere que el modelo realmente entienda lo que es un puente, un coro o una cadencia engañosa.

Eso nos lleva directamente a la tubería de procesamiento de datos.

Alicia
Que es masiva.

Beto
Claro. No puedes simplemente rastrear millones de MP3 crudos de internet, volcarlos en una red neuronal y esperar que aprenda el matiz como una composición.

Alicia
Para nada. La escala de los datos de entrenamiento aquí es masiva. Más de 100 millones de canciones equivalen a más de 5 millones de horas de audio.

Beto
Vaya.

Alicia
El modelo progresa a través de 600 mil millones de tokens de pre-entrenamiento, 500 mil millones de tokens multitarea durante el entrenamiento intermedio, y termina con 80 mil millones de tokens de alta calidad y meticulosamente diseñados para tareas de creación principales.

Beto
Pero el volumen crudo de datos es en realidad menos importante que la rigurosidad arquitectónica de su tubería de procesamiento automatizado.

Alicia
Esa es la verdadera salsa secreta. Implementan una línea de ensamblaje sofisticada solo para limpiar los datos. Comienza con un análisis de ancho de banda para descartar inmediatamente archivos artificialmente sobremuestreados o basura de baja tasa de bits.

Beto
OK. Te deshaces de la basura.

Alicia
Correcto. Los detectores de eventos de audio limpian podcasts, ruido ambiental y habla no musical. Pero luego utilizan demux, que se basa en una arquitectura híbrida de espectrograma y separación de forma de onda para despojar físicamente las voces del acompañamiento instrumental.

Beto
Oh, vaya. ¿Por qué los separan?

Alicia
Al aislar la voz humana de los transitorios complejos de la batería y las frecuencias de la guitarra, pueden ejecutar un reconocimiento de voz multilingüe de alta precisión. Esto permite al sistema generar una hoja de letras temporal sincronizada perfectamente por milisegundo.

Beto
Eso es increíblemente preciso.

Alicia
Y siguiendo esa separación, aplican una herramienta especializada llamada "SongFormer".

Beto
¿SongFormer? OK.

Alicia
SongFormer utiliza mecanismos de autoatención para analizar las dependencias de largo alcance a través de toda la pista. Mapeando efectivamente la macroestructura del audio.

Beto
Oh, así que identifica los marcadores acústicos que señalan una transición de una introducción a un verso o la construcción hacia un coro o la ruptura de un puente.

Alicia
Exacto. La red neuronal no solo está escuchando una pared de sonido plana. Está ingiriendo un diagrama anatómico meticulosamente etiquetado de cada canción, correlacionando las letras temporizadas con la estructura temporal más amplia y la progresión armónica subyacente.

Beto
Espera, espera, sin embargo. Si tienes evaluadores humanos clasificando constantemente estas salidas durante la fase final de optimización de preferencia directa post-entrenamiento, ¿no estás entrenando explícitamente a la IA para hacer música pop increíblemente segura y de camino medio?

Alicia
La fase DPO.

Beto
Sí, porque la fase DPO se basa en que expertos anotadores musicales califiquen las pistas en musicalidad y coherencia. Históricamente, el ruido vanguardista extraño, el jazz disonante, el punk caótico, eso es lo que realmente impulsa la música hacia adelante.

Alicia
Claro. Lo disruptivo.

Beto
Exacto. Si la preferencia humana dicta el modelo de recompensa, corres el riesgo de filtrar todas las rarezas agresivas y la ruptura de reglas estructurales que hacen que la música sea genuinamente interesante.

Alicia
Esa es una preocupación muy válida. Y plantea una pregunta importante sobre las mecánicas específicas de la optimización de preferencia directa dentro de un marco de generación restringido.

Beto
Porque no quieres una IA aburridora.

Alicia
Claro. Pero la tubería DPO aquí no está diseñada para dictar el gusto estético o restringir la salida estilística del modelo a convenciones del Top 40. Las funciones de recompensa están estrictamente alineadas con la adherencia a las condiciones y la calidad perceptual.

Beto
Significando que la penalización está ligada a si siguió las instrucciones en lugar de si el evaluador humano disfrutó personalmente del género.

Alicia
Precisamente.

El proceso DPO está enseñando al modelo a cumplir con precisión parámetros complejos y altamente específicos.

Beto
OK. Tiene sentido.

Alicia
Si un usuario le pide al sistema una pieza experimental de fusión de jazz microtonal en una firma de siete u ocho tiempos, el modelo de recompensa refuerza a la IA por generar con éxito esa disonancia matemática exacta.

Beto
Oh, eso es genial.

Alicia
Por el contrario, si la IA ignora la instrucción compleja y recurre a un ritmo pop estándar de 4/4, porque la secuencia de tokens tiene una probabilidad base más alta, el DPO la penaliza.

Beto
Así que los expertos humanos solo están validando la ejecución y la coherencia estructural dentro de los parámetros solicitados.

Alicia
Sí. Asegura que la IA opere como un músico de sesión increíblemente fiel que toque exactamente lo que está escrito en la partitura, sin importar cuán poco convencional pueda ser la partitura.

Beto
Bueno, pasemos al informe real, porque la arquitectura teórica solo importa si se traduce en audio superior.

Alicia
Muy cierto.

Beto
Han sometido a StepAudio 3 a un filtro de evaluaciones subjetivas y objetivas para ver cómo se compara con los pesos pesados que actualmente dominan el espacio de audio generativo. En el frente subjetivo, utilizan el podio del líder de voces de la arena de Análisis Artificial.

Alicia
Claro, que funciona como una prueba ciega de gusto AB donde los humanos escuchan dos pistas y votan por la salida superior.

Beto
¿Y cómo le fue?

Alicia
La arena utiliza un sistema de clasificación Elo para clasificar continuamente los modelos en estas evaluaciones ciegas. StepAudio 3 Music logró un Elo de 11.05.

Beto
Vaya. OK.

Alicia
Esto lo sitúa en cuarto a nivel mundial, justo detrás de Suno V5.5 y Mureka V9, mientras que supera activamente a modelos establecidos como Suno V5 y la suite MiniMax.

Beto
Lograr ese nivel de rendimiento en un lanzamiento técnico V1 es una validación masiva de su estrategia de tokenización.

Alicia
Lo es. Y las métricas objetivas refuerzan ese éxito también. Utilizando el marco de evaluación de estética de la caja de audio, StepAudio 3 logró las puntuaciones más altas entre todos los sistemas probados para el disfrute del contenido y la calidad de producción.

Beto
Eso es enorme.

Alicia
También dominó la métrica de similitud MuQ-MuLan, que mide matemáticamente la alineación semántica entre el audio generado y la instrucción de texto original.

Beto
Así que el modelo sigue objetivamente las instrucciones mejor que sus competidores.

Alicia
Sí. Pero aquí es donde se pone realmente interesante.

Beto
Oh, me encanta cuando se pone realmente interesante.

Alicia
Los investigadores llevaron a cabo un estudio de ablación dirigido utilizando una herramienta llamada SongBench para demostrar que la cadena de pensamiento de notación ABC es el catalizador real de este alto rendimiento.

Beto
Claro. Porque los estudios de ablación aíslan variables desactivando componentes específicos de la arquitectura del modelo para ver qué se rompe.

Alicia
Exacto. Así que ejecutaron una prueba de referencia, comandando a la IA para generar una canción directamente de la instrucción a tokens de audio, saltándose por completo la fase de planificación ABC.

Beto
Solo modo caja negra de extremo a extremo.

Alicia
Claro. Y en ese modo, el modelo obtuvo una puntuación de 6.64 sobre 10 en métrica SongBench.

Beto
OK, 6.64, ¿y luego qué?

Alicia
Luego habilitaron la pasada ABC-CoT. Obligaron al modelo a generar el plano de partitura intermedia antes de renderizar el audio, y la puntuación aumentó inmediatamente a 6.67.

Beto
OK, así que esa es una mejora medible, aunque modesta.

Alicia
Verdadero. Pero ejecutaron una tercera prueba. La IA generó el plan de notación ABC. Pero antes de que alimentaran esos tokens al renderizador DiT, extrajeron el archivo de texto y lo pasaron a través de un modelo de lenguaje grande completamente separado.

Beto
¿En serio? ¿Como una IA de texto?

Alicia
Sí. Usaron ese LLM secundario basado en texto para editar, refinar y perfeccionar teóricamente la partitura.

Beto
¿Y qué pasó?

Alicia
Bueno, lo fascinante aquí es el salto resultante en la calidad. Cuando el audio fue renderizado a partir del plano ABC refinado externamente, la puntuación de SongBench saltó a 6.72.

Beto
Oh, vaya, ese es un gran salto.

Alicia
Con las mejoras más dramáticas ocurriendo en las categorías de mezcla, arreglo y melodía.

Beto
Así que el verdadero poder de esta arquitectura es el hecho de que el plan intermedio existe en un lenguaje simbólico universal.

Alicia
Sí.

Beto
Un LLM basado en texto con entrenamiento profundo en teoría musical o incluso un productor humano sentado en una computadora portátil puede auditar y optimizar la composición usando pura lógica antes de que se calcule una sola forma de onda acústica.

Alicia
Fundamentalmente cambia el paradigma de los medios generativos.

Beto
Quiero decir, estamos migrando lejos de cajas negras monolíticas e impredecibles donde la instrucción y la salida están inextricablemente fusionadas.

Estamos avanzando hacia flujos de trabajo transparentes y modulares donde la composición y la interpretación son fases distintas y manipulables.

Alicia
El plano estructural actúa como un ancla matemática. El modelo autorregresivo ya no puede perderse el coro en el minuto dos, porque la ubicación, la estructura de la armonía y la fraseo melódico de ese coro estaban bloqueados en la ventana de contexto antes de que incluso iniciara la fase de renderizado.

Beto
Así que los cimientos se vierten y curan antes de que se construyan las paredes.

Alicia
Exacto.

Beto
Entonces, ¿qué significa todo esto para ti ahora mismo, mientras escuchas?

Si eres un editor de video que califica una película, un mercadólogo que construye una campaña, o un músico que busca una herramienta de colaboración, esta arquitectura cambia fundamentalmente el equilibrio de poder.

Alicia
Realmente lo hace.

Beto
La era de dar instrucciones a una IA y rezar por una salida utilizable está llegando a su fin. Estamos entrando en una fase donde le pides una idea, ajustas matemáticamente la partitura para que coincida con tu intención exacta y luego diriges a la banda de la IA para que la interprete. Estás saliendo del papel de jugador de máquina tragamonedas y entrando en el papel de productor en un estudio.

Alicia
La precisión del sistema ABC-CoT desmitifica el proceso generativo. Al exponer la lógica subyacente de la composición, transforma una novedad volátil en una utilidad profesional confiable.

Beto
Es una evolución notable en cómo las máquinas entienden el arte. Pero me deja con una última y ligeramente provocadora reflexión para que la medites hoy.

Alicia
Oh, te escuchamos.

Beto
Si StepAudio 3 puede mapear perfectamente la notación ABC para un arreglo musical brillante, emocionalmente devastador y estructuralmente impecable, pero luego una banda humana toma esa partitura generada por IA, aprende las partes y la interpreta en vivo en el escenario usando instrumentos acústicos físicos. ¿Quién es el verdadero artista de esa canción?

Alicia
Vaya.

Beto
Esa es una pregunta difícil.

Alicia
Claro.

Beto
¿Es el ingeniero de instrucciones humano quien inició los parámetros? ¿El modelo de IA que redactó la composición brillante? ¿O los intérpretes humanos que tradujeron esa matemática digital en emoción física?

Hay un mundo nuevo y valiente ahí fuera. Gracias por sumergirte en esto con nosotros.

Los límites de la invención algorítmica

Este artículo académico investiga si la inteligencia artificial puede alcanzar la verdadera creatividad aplicando el marco teórico de Margaret Boden a los sistemas generativos modernos. La autora argumenta que, si bien la IA sobresale en la creatividad combinatoria al fusionar ideas existentes, está estructuralmente limitada a la creatividad transformacional, ya que no puede trascender sus propios datos de entrenamiento. Un tema central es la ausencia de subjetividad, puesto que las máquinas carecen de la capacidad humana para reconocer la serendipia, valorar los accidentes o evaluar el mérito estético. Mediante diversos experimentos en haiku, literatura y artes visuales, el texto demuestra que la IA funciona mejor como una herramienta colaborativa o una "prótesis técnica" que como un creador autónomo. En última instancia, la fuente concluye que el juicio humano sigue siendo el núcleo insustituible del proceso creativo, ya que solo un sujeto consciente puede acoger lo inesperado y redefinir los límites conceptuales.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Can an AI System Be Creative? A Critical Perspective from Art and Engineering". Por Ivan Magrin-Chagnolleau, de Chapman University. Publicado el 22 de Julio 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

Beto
Imagina dejar como un lienzo en blanco en unas acuarelas para principiantes en un ático ligeramente húmedo y bochornoso.

Alicia
De acuerdo.

Beto
Simplemente las olvidas por completo. Y quiero decir, pasan 15 años, finalmente limpias el ático y descubres que la humedad ha provocado que la pintura se corra perfectamente sobre una hoja en blanco. Es esencialmente un paisaje meditativo y hermoso pintado por sí solo.

Alicia
Sí, es salvaje.

Beto
La pregunta es: ¿es eso arte? Y más importante para nosotros hoy, si una máquina hace exactamente lo mismo, ¿está la máquina siendo creativa?

Alicia
Quiero decir, es la pregunta definitoria de nuestro tiempo ahora mismo, ¿no es así? Estamos rodeados por estos sistemas que generan resultados increíblemente complejos. Y realmente estamos luchando por categorizar lo que estamos viendo.

Beto
Se siente totalmente como si todos estuviéramos sentados en la audiencia de este espectáculo de magia masivo y abrumador. Como si algunas personas estuvieran mirando al escenario, totalmente convencidas de que están presenciando magia literal. Como si la máquina fuera viva, la máquina fuera una artista.

Alicia
Bien.

Beto
Y luego tienes a los escépticos en la última fila resoplando, desestimando todo como una ilusión barata.

Pero ambos lados están perdiendo las mecánicas reales de cómo se realiza el truco.

Alicia
Lo cual es un lugar increíblemente peligroso, honestamente. Si no entiendes las mecánicas, o bien entregas tu propia agencia a la máquina o desestimas por completo una herramienta que podría cambiar fundamentalmente la forma en que trabajas.

Beto
Exacto.

Así que hoy, vamos a exponer esas mecánicas. Vamos a hacer una inmersión profunda en un artículo académico verdaderamente fascinante de Ivan Magrin-Chagnolleau. Se titula "¿Puede un sistema de IA ser creativo?: Una perspectiva crítica desde el arte y la ingeniería".

Alicia
Y lo que hace que esta fuente sea tan singularmente valiosa es el trasfondo del autor. Es un ingeniero eléctrico y de computación formado que se especializa en aprendizaje automático ("machine learning").

Beto
Así que realmente conoce las matemáticas.

Alicia
Conoce las matemáticas. Pero también es un artista practicante de toda la vida. Es cineasta, artista visual, compositor y filósofo.

Beto
Lo cual es una combinación tan rara.

Alicia
Realmente lo es. Él aporta esta perspectiva dual que falta desesperadamente en la mayor parte del discurso tecnológico. Sabes, él entiende las frías realidades estructurales de las redes neuronales. Pero también entiende íntimamente la experiencia humana desordenada y vivida de hacer arte.

Beto
Así que nuestra misión hoy es equiparte con un marco definitivo para entender exactamente lo que la IA puede y no puede hacer creativamente. Queremos mostrarte cómo puedes usar estos sistemas como colaboradores creativos genuinos sin permitirles que desgasten tu voz humana única.

Alicia
Y para hacer eso, tenemos que empezar por los cimientos absolutos. Quiero decir, lanzamos la palabra creatividad mucho. Pero antes de poder juzgar si una máquina la posee, tenemos que definir qué es realmente.

Beto
Bien.

Alicia
El artículo ancla su argumento en el trabajo de la difunta científica cognitiva Margaret Bowden. Ella estableció un marco que todavía se considera el estándar de oro en la ciencia cognitiva.

La Brecha de la Creatividad: Por qué la IA no es un "creador" (todavía)

Beto
Okay, desglosémoslo. ¿Cómo lo define ella? Porque la creatividad suele sentirse como esto, no sé, este concepto místico vago que simplemente te golpea en la ducha.

Alicia
Sí, exactamente. Pero Bowden despojó el misticismo. Argumentó que para que algo sea considerado verdaderamente creativo, debe poseer tres propiedades innegociables.

Beto
Okay, ¿cuál es la primera?

Alicia
La novedad ("novelty"). Pero crucialmente, hace una distinción entre la novedad psicológica y la novedad histórica.

Beto
¿Cuál es la diferencia entre esas dos?

Alicia
La novedad psicológica es cuando como individuo se te ocurre una idea que es nueva para ti. Como quizás un niño descubre cómo construir una estructura de Lego por primera vez.

Beto
Okay.

Alicia
Eso es genial para el niño, pero no es históricamente novedoso. La novedad histórica significa introducir un concepto o artefacto genuinamente nuevo al mundo en su conjunto, como algo totalmente sin precedente.

Beto
Okay, eso tiene sentido. Así que la novedad histórica es el primer paso. ¿Cuál es el segundo paso?

Alicia
La sorpresa ("surprise"). El resultado creativo debe producir un cambio en la percepción que ninguna cantidad de predicción estadística podría haber preparado.

Beto
Oh, vaya.

Alicia
Sí, es la diferencia entre una pieza de trabajo perfectamente competente y esperada y algo que te hace jadear físicamente o reevaluar por completo cómo ves el mundo.

Beto
Esa es una vara muy alta.

¿Y la tercera propiedad?

Alicia
El valor ("value"). El resultado debe valer algo. Esa comunidad tiene valor intelectual, valor estético en el mundo del arte o, valor práctico en ingeniería. Simplemente debe ser útil o significativo.

Beto
Espera, espera. Tengo que rebatir esa tercera. ¿No es el valor totalmente subjetivo? ¿Cómo podemos siquiera medir eso, especialmente para una máquina? Lo que una persona puede encontrar increíblemente conmovedor y hermoso, otra persona podría encontrarlo completamente aburrido.

Alicia
Esto plantea una pregunta importante. Y es en realidad el obstáculo central que enfrenta la IA. Tienes toda la razón, el valor es subjetivo. Y ese es exactamente el punto.

Beto
Genial. ¿De verdad?

Alicia
Sí. El valor no es una propiedad intrínseca de un objeto. Piénsalo. Una pintura sentada en una habitación oscura sin nadie que la mire, no tiene valor estético activo. El valor requiere un sujeto evaluador. Requiere un testigo.

Beto
Así que sin una conciencia para experimentar la cosa y emitir un juicio sobre ella, el valor literalmente no existe.

Alicia
Exacto. Y la experiencia vivida, el trasfondo cultural y la capacidad emocional de ese testigo son enormemente importantes al asignar ese valor.

Beto
Okay, así que si tomamos los tres obstáculos de Margaret Bowden —novedad histórica, sorpresa y valor—, ¿cómo se compara la IA realmente? Porque, estamos viendo a la IA ganar concursos de arte y aprobar exámenes de bar. Parece que está superando los obstáculos.

Alicia
Bueno, el artículo argumenta que es estructuralmente imposible para la IA superarlos. Y no estamos hablando de un fallo temporal que una actualización de software simplemente arreglará el año que viene. Estamos hablando de los planos fundamentales de cómo están diseñadas las redes neuronales.

Beto
Oh, vaya.

Alicia
Okay, veamos el primer obstáculo: la novedad. La IA sufre del problema de la dependencia de los datos ("data bound problem").

Beto
Significa que solo puede escupir lo que ya ha tragado.

Alicia
Esencialmente, sí. Un sistema de IA se basa enteramente en un conjunto de datos de representaciones preexistentes generadas por humanos del mundo. No sale a caminar, no observa la realidad y tampoco forma nuevos conceptos.

Beto
Correcto, correcto.

Alicia
Debido a que está matemáticamente confinada a interpolar entre puntos de datos que ya existen, no puede introducir algo totalmente sin precedente histórico. No puede crear novedad histórica.

Beto
Está básicamente atrapada en la biblioteca del pasado. Okay, ¿pero qué hay del segundo obstáculo? La sorpresa. Porque, voy a ser honesto, la IA me sorprende todo el tiempo con las cosas raras que genera.

Alicia
Sí, pero tenemos que diferenciar entre lo raro y lo genuinamente sorprendente en un sentido creativo. La IA enfrenta lo que se llama "el problema de la convergencia estadística". En esencia, los modelos de lenguaje grandes y los generadores de imágenes son solo motores de probabilidad.

Beto
Correcto.

Alicia
Cuando generan una oración o una imagen, están calculando el siguiente token o píxel más matemáticamente probable basado en sus pesos de entrenamiento.

Beto
Así que es básicamente solo un juego de adivinanzas muy sofisticado.

Alicia
Sí. Y piensa en lo que realmente significa la probabilidad. El resultado que maximiza la probabilidad es, por definición, el promedio del resultado.

Beto
Oh, vaya. Así que está apuntando literalmente hacia el medio de la curva de campana.

Alicia
Siempre. La sorpresa genuina requiere un resultado que desafíe nuestras predicciones. Si un sistema está diseñado matemáticamente para producir el resultado estadísticamente más predecible, está estructuralmente en contra de la verdadera sorpresa.

Beto
Eso es salvaje.

Alicia
Está diseñado para darte exactamente lo que los datos agregados dicen que esperas.

Beto
Eso tiene mucho sentido. Lo que nos lleva al tercer obstáculo, el valor. El problema de la evaluación.

Alicia
Correcto. Y la IA ciertamente puede revisar su propio resultado para ver si coincide con los patrones estadísticos de lo que los humanos han etiquetado históricamente como hermoso o valioso en su conjunto de datos.

Pero no puede mirar intrínsecamente su propia pintura y preguntarse: ¿esto es conmovedor? ¿Esto me hace sentir algo?

Beto
¿Sabes a lo que esto me recuerda? Okay, desglosémoslo. Es como un chef de IA que nunca ha probado comida.

Alicia
Oh, me gusta eso.

Beto
¿Verdad? Pueden escanear un millón de recetas exitosas. Pueden calcular matemáticamente que una cierta cantidad de sal se combina bien con los tomates. Pero no pueden probar la salsa de pasta para saber si el equilibrio es correcto, o si el olor evoca el recuerdo de una tarde de verano en Italia. Simplemente están tirando ingredientes a ciegas en una sartén, basándose en una hoja de cálculo.

Alicia
Esa es una forma perfecta de visualizarlo.

Generar una receta plausible, o un poema plausible, es un logro estadístico. Reconocer que el poema es genuinamente genial, o emocionalmente resonante, es un acto profundamente humano.

Beto
Pero si es solo coincidencia y probabilidades, ¿cuál es la salsa secreta que realmente tienen los humanos? ¿Cuál es la cosa que hace que la creatividad humana sea diferente de un motor de probabilidad?

Alicia
El artículo introduce un concepto filosófico aquí. Argumenta que la IA pierde completamente "el elemento fenomenológico de la creatividad".

Beto
Wow, "fenomenológico". Es una palabra académica de $5. ¿Qué significa eso realmente para nosotros?

Alicia
Sí, la fenomenología es realmente solo el estudio de la experiencia vivida consciente. Se trata de cómo experimentamos el mundo desde la perspectiva en primera persona. Y en el arte, el elemento fenomenológico más crítico es la serendipia: El accidente feliz.

Beto
Sí, esta es mi parte favorita del artículo. El autor utiliza tres historias profundamente personales de su propia vida como artista para explicar esto. Mencioné las acuarelas del ático en la introducción, pero las otras dos fueron igual de buenas.

Alicia
¿Las fotos?

Beto
Sí, hubo una donde estaba en California fotografiando los secuoyas rojos en Muir Woods. Y estaba tomando fotos muy convencionales y aburridas. Pero durante una exposición larga, accidentalmente movió su cámara.

Alicia
Es un desliz físico de la mano.

Beto
Correcto. Pero ese error físico, no predicho, creó un desenfoque que capturó la esencia de los árboles de una manera totalmente nueva. Dio lugar a una serie fotográfica completamente nueva y muy exitosa para él.

Alicia
Sí.

Beto
Y luego el segundo ejemplo sucedió en un tren en la región de Auvergne, en Francia. Sacó su teléfono para tomar una foto del paisaje a través de la ventana. Pero debido a la iluminación, accidentalmente capturó un reflejo de sus propias manos sosteniendo el teléfono, superpuesto, como un fantasma, sobre el paisaje exterior.

Alicia
No lo planeó. Pero lo vio. Y se convirtió en la base para una serie completamente nueva llamada "handscape".

Beto
Así que un temblor de cámara, un reflejo en una ventana y acuarelas que sangran en un ático. ¿Qué tienen que ver estas tres cosas con la IA?

Alicia
Para explicar que el autor se basa en filósofos como Henri Bergson y Paul Valéry. Ellos argumentan que la casualidad o el accidente no existe en un vacío. Un evento físico es solo un evento físico.

Beto
Correcto.

Alicia
El movimiento de la cámara o la humedad esparciendo la pintura, eso es solo física. Solo se convierten en un accidente feliz porque un artista estaba allí para percibirlos como tales.

Beto
Significa que el accidente requiere una audiencia.

Alicia
Requiere un sujeto en un estado de preparación específica. La conciencia humana reconoce el error, siente una chispa de resonancia y dice: espera, esta no es una foto de ruina. Esto es un gran avance. Y la IA no puede hacer esto.

Beto
Pero permíteme ser el abogado del diablo por un segundo. ¿Qué pasaría si simplemente codificamos un generador de ruido aleatorio en el algoritmo de la IA? Inyectamos algo de caos. ¿No crea eso accidentes?

Alicia
Ciertamente crea imprevisibilidad. Pero la aleatoriedad introducida es solo imprevisibilidad controlada. Todavía está matemáticamente limitada por los parámetros del sistema. Más importante aún, incluso si la IA genera algo totalmente extraño debido a ese ruido, la IA no tiene subjetividad. No tiene un estado de preparación.

Beto
Porque no puede evaluar su propio trabajo.

Alicia
Exacto. No puede mirar su propio resultado aleatorio extraño, sentir una chispa de inspiración y cambiar toda su dirección artística. Sin una conciencia humana para recibir el accidente y darle valor, esa aleatoriedad es solo ruido.

Beto
Okay, así que si la IA carece de serendipia y está limitada por el medio de la curva de campana, ¿dónde encaja realmente en nuestras vidas creativas? Porque Margaret Bowden no solo definió la creatividad, la categorizó en tres tipos distintos: combinatoria, exploratoria y transformacional.

Alicia
Vamos a recorrerlos.

Empezando por la que donde la IA es genuinamente espectacular: la creatividad combinatoria. Esto implica tomar ideas existentes y familiares y combinarlas de maneras novedosas. La IA sobresale aquí porque ha ingerido vastos conjuntos de datos interdisciplinarios. Puede conectar conceptos que un humano nunca juntaría porque, bueno, ningún humano ha leído todo Wikipedia.

Beto
Correcto.

Alicia
Puede fusionar la biología molecular con la teoría musical del siglo XVII en como tres segundos.

Beto
Aquí es donde se pone realmente interesante. Me hace pensar en un DJ. Un DJ no escribe las letras. No graba las pistas de batería. Pero toman dos pistas totalmente diferentes y las mezclan brillantemente para crear una atmósfera totalmente nueva en la pista de baile. La IA es como el DJ omnisciente definitivo.

Alicia
Sí. Esa es una analogía muy precisa.

Pero luego pasamos a la segunda categoría de Bowden, la creatividad exploratoria. Se trata de explorar sistemáticamente el espacio conceptual existente y probar sus límites. Piensa en un músico de jazz que toma una progresión de acordes estándar y agota cada variación armónica posible para ver hasta dónde puede estirar las reglas sin romperlas.

Beto
¿Puede la IA hacer eso? Se siente como si pudiera generar infinitas variaciones de una instrucción ("prompt").

Alicia
Puede generar infinitas variaciones, sí. Pero tiene un punto ciego estructural. El artículo señala que cuando un artista humano empuja una forma hasta su límite, lo hace específicamente para descubrir lo que no se puede hacer. Están buscando los bordes del espacio porque el borde insinúa lo que podría existir fuera de las reglas actuales.

Beto
Oh.

Alicia
La IA no puede ver los bordes. Simplemente vaga ciegamente dentro de sus límites de datos. No sabe cuándo está golpeando una pared.

Beto
Lo cual prepara perfectamente la tercera y más importante categoría: la creatividad transformacional. Esta es la forma más rara. Esto es cuando un artista no solo juega dentro de las reglas. Reestructura completamente el espacio conceptual.

Alicia
Piensa en Picasso y el Cubismo. No solo crearon una nueva variación de la pintura de retrato realista. Abandonaron la regla fundamental del punto de vista único. Rompieron el paradigma.

Beto
Así que si la creatividad combinatoria es el DJ mezclando pistas, la creatividad transformacional es alguien inventando un instrumento musical completamente nuevo que nunca ha existido antes.

Alicia
Precisamente. Y el artículo utiliza matemáticas pesadas para demostrar que la IA es estructuralmente incapaz de hacer esto. El autor cita modelos matemáticos usando grafos acíclicos dirigidos para demostrar por qué.

Beto
Espera. ¿Grafos acíclicos dirigidos? Tienes que traducirlo a un lenguaje sencillo para mí, porque estoy perdido.

Alicia
De acuerdo, sí. Piensa en un grafo acíclico dirigido como un diagrama de flujo unidireccional. Dirigido significa que las flechas solo apuntan en una dirección, como el agua fluyendo por una montaña. Acíclico significa que no hay ciclos. El agua nunca puede volver a subir a la cima.

Beto
OK, entendido.

Alicia
Una red neuronal se construye fundamentalmente sobre este tipo de lógica unidireccional.

Beto
Así que los datos fluyen hacia adentro, se procesan río abajo, y un resultado sale por la parte inferior.

Alicia
Correcto.

Ahora, imagina las reglas del sistema. Los axiomas son la montaña en la cima. La creatividad transformacional requiere cambiar esos axiomas. Requiere hacer que el agua fluya de vuelta a la cima y reescribir el código fuente del espacio conceptual.

Beto
Lo cual no puede hacer.

Alicia
Puesto que una IA opera bajo esta lógica río abajo unidireccional, no puede retroceder y cambiar sus propias reglas fundamentales. Está eternamente atrapada dentro del paradigma que fue construida para replicar.

Beto
Así que es el mejor DJ del mundo, pero no puede inventar un instrumento nuevo. Entonces, ¿dónde te deja esto a ti y a mí? ¿Deberíamos simplemente negarnos a usar la IA para el trabajo creativo?

Quiero decir, el artículo dice rotundamente NO. Pero requiere un cambio masivo en cómo vemos la herramienta. Tenemos que dejar de tratar la IA como una creadora autónoma y empezar a tratarla como una prótesis técnica, una colaboradora.

Alicia
Y aquí es donde el artículo se vuelve muy práctico. El autor no solo teorizó. Realmente realizó cuatro experimentos empíricos usando la IA en su propio trabajo, para probar esta dinámica colaborativa.

Beto
Vamos a profundizar en ellos porque son increíblemente reveladores. Empezó con poesía, específicamente "haiku" japonés. Le pidió a la IA que escribiera "haikus" usando tres palabras conceptuales masivas: "conciencia", "creatividad" y "libre albedrío". ¿Qué pasó?

Alicia
Bueno, la IA respetó perfectamente las reglas formales, la estructura de cinco sílabas. Pero, ¿recuerdas el problema de la convergencia estadística?

Beto
Sí, la curva de campana.

Alicia
La IA inmediatamente convergió en una plantilla altamente repetitiva. Casi todos los poemas siguieron exactamente el mismo ritmo estructural. "Conciencia en los árboles", "creatividad en las hojas", "libre albedrío en la brisa", solo cambió los sustantivos.

Beto
Y cuando le pidió a la IA que generara su "haiku" más alucinante, no pudo hacerlo. Solo usó vocabulario ligeramente más complejo, pero mantuvo exactamente la misma estructura aburrida. No tenía la capacidad de evaluar lo que "alucinante" realmente significaba.

Pero mi detalle favorito absoluto son los títulos.

Alicia
Ah, sí. La IA añadió títulos a cada "haiku".

Beto
Lo cual es una gran señal de alerta. Los "haikus" clásicos japoneses no tienen títulos. Pero la IA los añadió porque las traducciones y libros de texto occidentales en sus datos de entrenamiento normalmente les ponían títulos para ajustarse a las normas de la poesía occidental.

Alicia
Exacto.

Beto
La IA simplemente reprodujo matemáticamente el promedio estadístico occidental, completamente ignorante de la auténtica forma de arte cultural.

Alicia
Y eso encaja perfectamente en el segundo experimento que abordó la literatura francesa. El autor tomó un párrafo de apertura de su propia autobiografía y le pidió a la IA que lo reescribiera al estilo de varios maestros literarios franceses como Marcel Proust y Victor Hugo.

Beto
¿Y cómo manejó a los pesos pesados?

Alicia
Fue muy buena haciendo pastiche combinatorio, creando una imitación superficial. Pero la versión de Victor Hugo fue esencialmente una caricatura. Fue solo una avalancha de signos de exclamación y declaraciones grandiosas.

Pero lo que es más importante, la IA borró por completo la voz personal e irónica del autor.

Beto
¿Qué queremos decir con voz irónica en este contexto?

Alicia
Las contradicciones sutiles, la autoconciencia, los matices humanos desordenados que hacen que una historia personal sea convincente. La IA suavizó todo eso en favor de un tono literario genérico y seguro. Desgastó los bordes irregulares de la personalidad humana para ajustarse al medio de la curva de campana.

Beto
Así que falla en imitar el alma humana. Veamos el tercer experimento que cambia a la música. Se contrató a un compositor para escribir una partitura para una película de los años 30. Pero no se le permitió ver la película. Solo se le dio una curva de luminosidad ("illuminosity curve").

Alicia
Que es un gráfico generado por un algoritmo que simplemente rastrea qué tan brillante o oscura está la pantalla en cualquier momento de la película.

Beto
Esto me recordó instantáneamente al movimiento Oulipo. Para aquellos que no lo conocen, fue este grupo de escritores y matemáticos de vanguardia en el siglo XX. Un tipo escribió una novela completa y titulada sin usar la letra E.

Alicia
Oh sí, Georges Perec.

Beto
Sí, suena como un truco. Pero al forzar esa restricción extrema, forzó a su cerebro a inventar maneras completamente nuevas y extrañas de describir cosas normales. La restricción genera creatividad.

Alicia
Y eso es exactamente lo que pasó con el compositor. La IA no compuso la música. La IA actuó como una restricción productiva al forzar al compositor a igualar las matemáticas de la curva de luminosidad. Destrozó sus maneras habituales y cómodas de escribir música. Tuvo que inventar nuevos enfoques para alcanzar esos puntos emocionales específicos sin ver las imágenes.

Beto
La IA rompió su memoria muscular. Eso es fascinante.

Y el experimento final reúne todo esto visualmente. El autor utilizó una plataforma de generación de imágenes llamada iDiogram. Le diste una instrucción muy escasa, abstracta, minimalista: "acuarela, esperanza por el planeta".

Alicia
Y la IA generó una imagen basada en eso. Pero la plataforma tiene una función donde puedes introducir una imagen de vuelta como semilla ("seed"). Y la IA intentará expandir tu instrucción de texto original en una instrucción mágica muy detallada.

Beto
Así que introduce la primera imagen de nuevo y la IA añade inesperadamente una frase completamente nueva a la instrucción mágica. Los salpicaduras inspiradas en Jackson Pollock.

Alicia
La IA simplemente lo tiró ahí matemáticamente. Pero el autor actuando como sujeto evaluador miró esas salpicaduras caóticas, sintió esa chispa de serendipia y dijo: sí, amo la energía que trae. Siguió el liderazgo de la IA, iterando de un lado a otro, lo que resultó en una dinámica y hermosa sucesión de imágenes.

Beto
¿Así que básicamente estaban haciendo referencias cruzadas?

Alicia
Exacto.

El autor llama a esto "coevolución creativa". En una verdadera colaboración humana-IA, tu intención no está rígidamente fijada desde el principio. Evoluciona en un diálogo con los resultados de la máquina. Pero esto requiere un conjunto de habilidades completamente nuevo que todos necesitamos desarrollar, lo que él llama "alfabetización en prompts" ("prompt literacy").

Beto
Alfabetización en prompts. Significa que no se trata solo de escribir un buen comando. Se trata de leer la salida de manera inteligente.

Alicia
Sí. Es la capacidad de leer la interpretación de la IA, reconocer la brecha entre tu intención y el resultado, y permanecer abierto a descubrimientos inesperados dentro de esa brecha.

Beto
Pero aquí está la conclusión más crucial de todo ese experimento visual de arte:

A través de toda esa iteración de ida y vuelta, el artista humano aprende. El artista humano crece. El artista humano desarrolla un ojo estético más agudo y descubre un nuevo estilo.

La máquina no aprende nada. En el momento en que cierra la pestaña del navegador, la máquina se restablece a cero para el siguiente usuario.

Alicia
Por eso hay una enorme etiqueta de advertencia adjunta a todo este proceso colaborativo. Hablamos antes sobre la atracción gravitacional hacia el promedio estadístico. Si no tienes cuidado, esta herramienta arrastrará tu trabajo hacia el peligro de la mediocridad.

Beto
Entonces, ¿cómo evitamos eso? ¿Cómo usamos la herramienta sin convertirnos en genéricos?

Alicia
Debes tener experiencia humana genuina en tu dominio. No puedes abdicar tu juicio a la máquina. Debes usar los resultados de la IA como una provocación, un contrapunto ("foil"), un punto de partida para reaccionar en contra. Nunca puede ser el destino final.

Beto
Lo veo de esta manera. Usar la IA para crear, sin tener tu propia experiencia en el dominio, es como dejar que el corrector automático de tu teléfono escriba una novela por ti. Todo estará escrito perfectamente. La gramática será impecable, pero será completamente y totalmente sin alma. Simplemente será una cadena matemáticamente predecible de las palabras más probables siguientes.

Alicia
Ese es el resumen perfecto de la realidad estructural. El locus de la creatividad, el verdadero centro de gravedad en cualquier empresa artística o innovadora, permanece totalmente al 100% contigo. Eres el sujeto evaluador que asigna valor. Eres la conciencia que cultiva la disposición para reconocer accidentes felices. Y eres el único capaz de dar el salto para romper las reglas y transformar un espacio conceptual.

Beto
Así que hemos desempacado el truco de magia. La IA no es el mago. Es el humo. Son los espejos. Es la capa llamativa. Tú eres el mago.

Alicia
Pero quiero dejarles una última reflexión provocadora para meditar, basándome en el marco de Magrin-Chagnolleau.

Beto
Te escuchamos.

Alicia
Si los sistemas de IA continúan inundando nuestras vidas diarias, nuestras redes sociales y nuestras bandejas de entrada con contenido combinatorio estadísticamente promedio, ¿qué pasará con la creatividad humana a largo plazo?

Beto
Oh, vaya. Si solo estamos consumiendo el promedio matemático, ¿nuestros cerebros humanos simplemente se adaptarán al promedio? ¿Perderemos nuestro gusto por lo extraño?

Alicia
Ese es el miedo. ¿Se volverá la verdadera creatividad transformacional aún más rara? Porque los datos de entrenamiento de nuestras propias vidas humanas se están volviendo completamente homogeneizados. O, por el contrario, ¿se convertirá este mar interminable y abrumador de contenido de IA seguro, aburrido y promedio en la restricción productiva definitiva?

Beto
Como el movimiento Oulipo. Pero para toda la humanidad.

Alicia
Exacto. ¿Forzará el puro aburrimiento de lo estadísticamente probable a los artistas, escritores e ingenieros humanos a entrar en una nueva era de rebeldía transformacional de arte solo para sentir algo diferente? El meteorólogo Marshall McLuhan dijo famosamente: "moldeamos nuestras herramientas y después nuestras herramientas nos moldean a nosotros".

Hemos construido el motor de probabilidad definitivo. Ahora tenemos que decidir si vamos a dejar que dicte nuestras probabilidades o si vamos a usarlo para lanzarnos hacia lo profundamente inesperado.

Beto
El truco es real. Pero tú eres quien tira de las cuerdas.

Gracias por acompañarnos en este análisis profundo en los límites de la IA y el poder perdurable de la imaginación humana. Sigan empujando los límites, busquen los accidentes felices y los veremos la próxima vez.

Propiedad artística en la colaboración con IA

El presente artículo de investigación examina la compleja tensión entre la creatividad humana y la automatización algorítmica, analizando cómo los artistas perciben la propiedad en la era de la IA generativa. Para explorar este tema, los investigadores desarrollaron ArtSplit, un sistema de "provocación" que calcula y muestra un desglose numérico del crédito entre la persona y la máquina en función de las diferentes etapas del trabajo. El estudio revela que, si bien los creadores de contenido podrían utilizar estas métricas como motivación, los artistas académicos se muestran escépticos ante la posibilidad de reducir la agencia artística o la intención conceptual a datos cuantificables. En última instancia, los autores argumentan que cuantificar la autoría no logra capturar la naturaleza subjetiva del proceso creativo y corre el riesgo de convertir una relación social en un problema técnico. El artículo concluye que los marcos legales y los diseños de sistemas actuales tienen dificultades para dar cuenta de la forma en que los artistas experimentan realmente la identidad y la responsabilidad en la colaboración entre humanos e IA.

Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Man, Machine, and Masterpiece: Artistic Ownership in the AI Era", por Sofi Gjing Jovanovska y colegas, de la universidad de Siegen, Alemania. Publicado el 16 de Julio 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

Beto
¿Alguna vez has usado una herramienta de IA para generar una imagen para una presentación?

Alicia
Oh, todo el tiempo.

Beto
Claro. O tal vez tuviste una que te ayudó a redactar un correo electrónico altamente sensible. Y mientras miras el producto final pulido sentado allí en tu pantalla, te encuentras preguntándote: ¿cuánto de esto es realmente mío?

Alicia
Sí, es una sensación extraña.

Beto
... porque escribes la instrucción (el "prompt"), guías el tono, tal vez incluso lo iteras varias veces. Pero cuando la salida es tan buena, tan terminada, hay esta ambigüedad persistente, casi incómoda, sobre quién tiene derecho a reclamar el crédito.

Alicia
Quiero decir, crea una fricción psicológica realmente fascinante.

Beto
Exacto.

Alicia
Tú proporcionaste la chispa, ¿verdad? La intención inicial. Pero la máquina construyó el fuego y arregló los troncos. Deja a cualquiera que use estas herramientas cuestionando constantemente dónde termina su creatividad personal y dónde comienza el procesamiento algorítmico.

Beto
Y esa fricción es nuestra misión completa para este análisis profundo. Estamos esperando directamente en las aguas fangosas y altamente disputadas de la propiedad artística en la era de la IA.

Alicia
Definitivamente, es lodoso.

Beto
Muy lodoso. Y el mapa para nuestro viaje de hoy es un artículo académico de 2026 de la Universidad de Siegen en Alemania. Se titula "Hombre, Máquina y Obra Maestra: la propiedad artística en la era de la IA". Fue coautoría de Sofi Gjing Jovanovska y sus colegas.

Alicia
Y lo que eleva a este artículo en particular por encima de los debates teóricos estándar que vemos tan a menudo en este campo es que los investigadores no se quedaron solo filosofando sobre la naturaleza del arte.

Beto
Correcto. En realidad construyeron algo.

Alicia
Exacto. Diseñaron un software para forzar el tema a la luz.

Beto
Construyeron una herramienta llamada ArtSplit (división artística). Y la mejor manera de visualizar ArtSplit es pensar en ella como un contador creativo y agresivo que se sienta sobre tu hombro mientras trabajas.

Alicia
Esa es una gran manera de decirlo.

Beto
Lo introduces en tu proceso de generación de arte con IA y calcula, como en tiempo real, hasta el punto decimal, exactamente qué porcentaje de la obra final te pertenece a ti, al humano, y qué porcentaje pertenece a la IA.

Alicia
Lo cual es un concepto tremendamente provocador de introducir en cualquier flujo de trabajo creativo.

Midiendo Creatividad Humano vs IA

Y para entender por qué poner un porcentaje en el arte toca una fibra tan sensible, realmente tenemos que observar el espacio cultural único que ocupa el trabajo artístico.

Beto
Bien, desglosémoslo porque el trabajo es solo trabajo.

Alicia
Bueno, normalmente sí, estamos totalmente acostumbrados a la automatización en el trabajo físico o logístico. Si un brazo robótico construye un chasis de coche más rápido que un soldador humano, la sociedad generalmente lo absorbe como progreso industrial.

Beto
Nadie está de luto por la pérdida de la soldadura humana.

Alicia
Exacto. Pero el trabajo artístico opera en un eje completamente diferente. Está inextricablemente ligado a la identidad humana, a la autoexpresión y a este concepto profundamente histórico de autoría. Así que cuando los algoritmos invaden ese espacio específico, no se siente simplemente como un cambio en el mercado laboral. Para muchos creadores, se registra como una amenaza existencial para su propia identidad.

Beto
Vamos a profundizar en la mecánica de esa amenaza. Porque para realmente entender por qué una herramienta como ArtSplit necesitaba existir en primer lugar, tenemos que establecer la línea base de este alboroto sin precedentes.

Alicia
Sí, el gran pánico de la IA de 2022.

Beto
Exacto. Todos recordamos las ondas de choque cuando herramientas como Stable Diffusion y Midjourney impactaron en la corriente principal. Y específicamente, estoy pensando en ese momento en que Jason M. Allen ganó la Concurso de Artes de Bellas Artes de la Feria Estatal de Colorado con una generación de Midjourney.

Alicia
Oh, eso fue un punto focal enorme.

Beto
La indignación no fue solo por una máquina que ganara. Fue por la sensación de que miles de horas de práctica humana simplemente estaban siendo omitidas por modelos entrenados con el trabajo protegido de artistas vivos.

Alicia
La respuesta emocional en toda la industria creativa fue increíblemente visceral.

Beto
Oh, sí.

Alicia
En el artículo, los investigadores destacan esta impactante cita de Hayao Miyazaki, el legendario fundador del Studio Ghibli.

Beto
Lo recuerdo.

Alicia
Al ver una animación generada por IA, él no criticó la tasa de cuadros ni la paleta de colores. Literalmente la llamó "un insulto a la vida misma".

Beto
Un insulto a la vida misma. Quiero decir, esa blasfemia saltó cualquier argumento legal directamente al núcleo filosófico del artículo. Dibuja este brillante límite entre el trabajo ordinario y el trabajo artístico.

Piénsalo así. Si pides un pastel para una boda, el pastelero lo hornea, lo entrega y la transacción está completa. El pastelero no está ligado a ese pastel por la eternidad.

Alicia
Oh, totalmente no.

Beto
Claro. Como la persona que lo está comiendo, tu principal preocupación es si el pastel sabe bien. No estás investigando si el pastelero batió los huevos a mano o usó una batidora comercial. El trabajo está totalmente separado del producto final.

Alicia
Pero el arte impone una relación continua. Cuando una pintura cuelga en una galería durante 100 años, el nombre del artista permanece en el cartel junto a ella.

Beto
Exacto.

Alicia
Esa conexión continua e irrompible es el mecanismo de la autoría. Es una forma especializada de propiedad, afirmando que la obra existe específicamente debido a tu creatividad personal única. El arte es una extensión de la persona.

Beto
Bien, pero tengo que contradecir ese marco un poco, porque aquí es donde el debate se vuelve increíblemente desordenado para cualquiera que realmente esté usando estas herramientas.

Alicia
Claro.

Beto
Si yo soy el humano dirigiendo la máquina, ¿por qué no puede la IA simplemente ser clasificada como mi herramienta?

Considera a un arquitecto. Un arquitecto diseña un rascacielos masivo, pero no vierte una sola onza de concreto. No suelda las vigas de acero. Sin embargo, la sociedad universalmente está de acuerdo en que es su construcción.

Alicia
Eso es cierto.

Beto
O considera a un fotógrafo. Una cámara digital es una máquina altamente compleja que captura fotones y procesa la luz en una fracción de segundo. Una imposibilidad biológica para un humano.

Alicia
Claro.

Beto
Pero el fotógrafo obviamente es dueño del derecho de autor de la foto.

Alicia
Sí.

Beto
Entonces, ¿por qué el sistema legal mira a un generador de imágenes de IA de manera diferente que a una cámara DSLR?

Alicia
Y ese es el embudo legal de un millón de dólares.

Beto
Sí.

Alicia
Los investigadores se adentran en la Ley de IA de la UE y el derecho de autor europeo para explicar esta distinción. Y todo se reduce a la mecánica de la ejecución.

Beto
¿Cómo es eso?

Alicia
Según la ley de la UE, para que una obra califique para derechos de autor, debe reflejar la creación intelectual del autor. La jurisprudencia dicta que esta originalidad nace cuando un autor hace elecciones libres y creativas que son visibles en la forma final de la obra.

Beto
Espera, visibles en la forma final. Significa que la ley básicamente necesita ver tus huellas dactilares físicas en el final del producto.

Alicia
Precisamente el problema. Con la cámara, el fotógrafo controla la apertura, la iluminación, el encuadre, el momento exacto en que se dispara el obturador. Está capturando la realidad.

Beto
Claro. Está haciendo esas elecciones.

Alicia
Pero con la IA generativa, el estándar de una contribución humana significativa se vuelve profundamente ambiguo. Piensa en el proceso mecánico de la solicitud ("prompting").

Beto
Bien.

Alicia
Escribes una frase. El espacio latente de la máquina alucina una aproximación estadística de píxeles basada en sus datos de entrenamiento. La máquina te da algo completamente sorprendente.

Beto
Lo cual sucede todo el tiempo.

Alicia
Claro. Entonces luego tú ajustas la solicitud. La máquina te da cuatro nuevas variaciones y tú seleccionas una. ¿Dónde está la elección creativa humana definitiva en esa disposición final de píxeles?

Beto
Entiendo lo que quieres decir.

Alicia
Las contribuciones humana y máquina están tan profundamente entrelazadas en este ciclo de retroalimentación que un juez que mire la imagen final simplemente no puede separar la intención humana de la generación algorítmica.

Beto
Y como ese estándar legal de ser visible en la forma final es tan increíblemente vago cuando se aplica a la IA, los investigadores de la Universidad de Siegen decidieron dejar de debatirlo y empezar a medirlo.

Y por eso diseñaron ArtSplit. Pero no clasifican este software como un prototipo, ¿verdad? Lo llaman un "provotipo".

Alicia
Lo cual es una brillante elección metodológica. Un provotipo es un software diseñado específicamente para provocar una reacción, para exponer tensiones culturales ocultas, en lugar de resolver un problema técnico pulcro.

Beto
Básicamente, está destinado a hacer que el usuario se sienta incómodo.

Alicia
Completamente.

Beto
Y la forma de lograr esa incomodidad es realmente fascinante. ArtSplit básicamente actúa como una capa de vigilancia sobre el proceso creativo. Rastrea cada acción que tomas durante la creación de una imagen. Y categoriza estas acciones en cubetas ("buckets"). Así que tienes la solicitud ("prompting"), la entrada de datos, el procesamiento de datos, el refinamiento, la lluvia de ideas ("brainstorming"), el bocetaje, y la ideación. Luego usa este algoritmo para asignar un porcentaje matemático fijo de propiedad al humano y a la IA basándose en esas entradas rastreadas.

Alicia
Y para poner a prueba los límites de la ley de derechos de autor de la UE, los investigadores presentaron a los artistas tres escenarios o variantes diferentes de cómo esta puntuación de propiedad podría funcionar matemáticamente en la práctica.

Beto
¿Cuál fue el primero?

Alicia
La primera variante que probaron fue orientada al refinamiento. En este escenario, el humano escribe la solicitud, la IA genera el trabajo pesado de la imagen, y luego el humano toma esa salida y refina y edita manualmente el píxel.

Beto
Como en Photoshop o algo así.

Alicia
Exacto. Y ArtSplit puntúa el escenario como artista 45%, IA 55%.

Beto
Vaya. Lo que significa que la máquina realmente gana la participación en la propiedad a pesar de que el humano hizo el trabajo manual final.

Alicia
Claro.

Beto
Pero supongo que esa variante se alinea directamente con la doctrina de derechos de autor de la UE que acabamos de discutir. Priorizando esos cambios manuales visibles.

Pero espera, si la ley solo se preocupa por los cambios visibles, ¿qué pasa con el artista que actúa puramente como director?

Alicia
Ah, cierto.

Beto
Como la persona que alimenta una docena de bocetos de referencia, escribe una clase magistral completa de solicitud. Pero deja que la IA haga el render final sin tocar ni un solo píxel por sí misma.

Alicia
Eso expone la mayor brecha absoluta en el marco europeo actual. Y es exactamente lo que prueba el segundo escenario de ArtSplit. Lo llaman "la variante orientada a la entrada". Aquí, el humano proporciona una solicitud altamente detallada y sube imágenes de referencia para guiar la dirección estilística exacta. La IA genera la imagen, y el humano la acepta como producto final sin tocarla. Sorprendentemente, ArtSplit puntúa esto como artista 55%. IA 45%.

Beto
Así que el humano toma la mayor parte de la propiedad aquí, a pesar de no hacer ninguna edición manual a los píxeles finales.

Alicia
Exacto.

Beto
Esto subvierte por completo el estándar legal de la UE, que lucha por reconocer la influencia indirecta. Quiero decir, si no tocas la imagen final, a la ley le resulta terrible llamarte autor, incluso si toda la arquitectura conceptual y estilística te pertenecía a ti.

Alicia
Realmente resalta cómo la ley está actualmente fuertemente sesgada hacia la expresión física en lugar de la intención subyacente.

Para superar esta brecha, los investigadores introdujeron un tercer escenario, la variante de entrada más refinamiento.

Beto
¿Cómo funciona eso?

Alicia
Esta presenta una puntuación dinámica en tiempo real. Después de la generación inicial de la IA, el marcador favorece fuertemente a la máquina, digamos, 65% IA y 35% humano.

Pero a medida que el artista comienza a refinar manualmente la imagen, borrando, añadiendo detalles, la puntuación humana sube lentamente en tiempo real. Eventualmente cruza el umbral a 55% a medida que inyectan más trabajo manual en el archivo.

Beto
Aquí es donde se vuelve realmente interesante, porque solo analizar estos números en voz alta, como asignar un 45% o un 65% a un acto creativo, resalta la pura absurdidad de toda la premisa.

Alicia
Se siente ridículo.

Beto
Claro. ¿Cómo diablos cuantificas matemáticamente el peso de una solicitud conceptual frente al procesamiento algorítmico de datos de la granja de servidores? ¿Vale una idea brillante que cambia el paradigma el 30% de una imagen? ¿20%?

Alicia
¿Quién decide eso?

Beto
Exacto. Se siente como intentar medir el volumen de un sueño usando una taza medidora. Las unidades de medida son fundamentalmente incompatibles con el tema.

Alicia
Y esa incompatibilidad inherente es exactamente en lo que los investigadores estaban contando. Sabían que los porcentajes eran esencialmente arbitrarios.

Beto
Entonces, fue una trampa.

Alicia
Sí. El verdadero experimento fue tomar este provotipo y ponerlo frente a profesionales que trabajaran para ver cómo reaccionarían cuando su proceso creativo profundamente personal fuera reducido a un gráfico de pastel en un monitor.

Beto
Claro, entonces, ¿quiénes fueron estos sujetos de prueba?

Alicia
Trajeron a dos grupos distintos de creadores para interactuar con el software. El primer grupo consistió en tres artistas académicos. Estos son veteranos con más de 20 años de experiencia en arte digital, teoría e instrucción.

Beto
Bien, tienen un peso.

Alicia
Claro. El segundo grupo eran dos creadores de contenido, profesionales que trabajan en entornos digitales rápidos y de alto volumen con aproximadamente de cuatro a once años de experiencia.

Beto
¿Así que dos mundos muy diferentes?

Alicia
La colisión ideológica entre estos dos grupos es increíblemente reveladora sobre cómo valoramos el trabajo hoy en día.

Veamos primero a los creadores de contenido.

Beto
Sí.

Alicia
Abrumadoramente, sintieron que el humano debería comandar la gran mayoría del porcentaje de propiedad, independientemente de cuánto procesamiento algorítmico estuviera involucrado. Su argumento fundamental era que el concepto es el único factor determinante de la autoría.

Beto
Claro, porque sin la idea no hay arte.

Alicia
Exacto. Uno de los creadores de contenido, referido en el estudio como CC1, desplegó una analogía muy memorable para defender esto. Piensa en cómo se aplica esto al mundo de los negocios.

Beto
Claro.

Alicia
CC1 dijo, "imagina que Jeff Bezos está comenzando Amazon. Él tiene el concepto central, pero pide consejo a sus amigos sobre cómo construir la infraestructura de la compañía. Incluso si un amigo proporciona una brillante idea logística que hace que la compañía funcione, ese amigo no es de repente dueño de Amazon".

Beto
Claro.

Alicia
La iniciativa, la fuerza impulsora, pertenece a Bezos. Así que el creador de contenido aplicó esta lógica exacta a la IA. La máquina solo está proporcionando una ejecución o consejo de alto nivel, pero el concepto central pertenece enteramente al "prompter" humano.

Beto
Vaya. Pero tengo que decir, el artista académico rechazó fundamentalmente ese marco de Bezos. Uno de ellos, el artista académico 3 o AA3, contrarrestó con una analogía que invierte completamente la perspectiva.

Alicia
Oh, me encantó esta parte.

Beto
AA3 comparó la lógica del creador de contenido con la de un dueño de fábrica que reclama todo el crédito y toda la propiedad moral de un producto físico simplemente porque tenía la idea de construir una fábrica. Mientras tanto, son los trabajadores de la fábrica, las personas con las manos verdaderamente callosas haciendo el trabajo físico día y noche, que arrastran el producto a la realidad.

Alicia
Esa es una gran contraparte.

Beto
AA3 argumentó que reclamar la propiedad absoluta del arte, solo porque escribiste una instrucción conceptual, te pone en una posición moral muy dudosa, porque borra por completo el valor de la ejecución.

Para ustedes que escuchan, piensen en la dinámica de su propio lugar de trabajo.

Alicia
Oh, este es un gran ejercicio.

Beto
Claro. Si le das a un colega una idea de una sola frase para un proyecto masivo, y ellos pasan tres semanas ejecutándolo, diseñándolo y finalizándolo, ¿a quién sientes que realmente le pertenece ese resultado?

Alicia
Lo fascinante aquí es lo emocionalmente que se volvieron los creadores de contenido al defender su propiedad. Sintieron que deberían asegurar al menos el 70% del crédito en el rastreador ArtSplit, pero su defensa fue en gran parte reactiva.

Beto
¿Reactiva cómo?

Alicia
Uno de ellos incluso se refirió a un usuario hipotético como "perezoso", si solo escribía una solicitud corta. Implica que la propiedad es algo que debes merecer moralmente a través del esfuerzo.

Mientras tanto, los académicos, en lugar de discutir porcentajes, simplemente atacaron la premisa estructural de la herramienta misma. Otro académico, AA2, desmanteló la idea de que una solicitud ("prompt") es siquiera un concepto en primer lugar.

Beto
Espera, ¿qué es, si no es un concepto?

Alicia
Argumentaron que una solicitud de texto es meramente un conjunto de instrucciones. Escribir "pintar una ciudad ciberpunk por la noche con luces de neón" es solo una directiva técnica.

Beto
Oh, ya veo.

Alicia
Un verdadero concepto artístico es una intención subyacente, una resonancia emocional que a menudo no puede articularse completamente en una sola frase antes de que comience la obra. Al equiparar una solicitud con un concepto, ArtSplit básicamente estaba aplanando la definición de arte.

Beto
Lo que nos lleva a la parte más peligrosa y, honestamente, quizás más universalmente relacionable de todo este experimento.

Es un fenómeno psicológico conocido de que una vez que pones una puntuación en una actividad, el comportamiento humano inevitablemente cambia para optimizar la puntuación.

Alicia
"Gamificación".

Beto
Exacto. Los investigadores querían observar lo que sucedía con el proceso creativo si a los artistas se les obligara a trabajar bajo la mirada de las métricas de ArtSplit todos los días.

Alicia
Y el artista diagnosticó inmediatamente el fallo fatal en la lógica del software.

El artista académico 1 señaló que la generación por IA depende en gran medida de la aleatoriedad del espacio latente. Comparan la generación de arte por IA con tirar un dado.

Beto
Realmente necesitamos explorar la mecánica de ese rollo de dados porque destruye por completo la idea de medir el esfuerzo.

Alicia
Realmente lo hace.

Beto
Cuando escribes una solicitud, la IA comienza con un campo de ruido estático y lentamente lo resuelve en una imagen basada en tu texto. Pero el punto de partida de ese ruido es completamente aleatorio.

Alicia
Claro. Así que imagina que necesitas una imagen de un gato montando una patineta. Escribes la solicitud, haces generar y puramente por casualidad, el ruido inicial se resuelve perfectamente. En el primer intento, la IA produce la imagen perfecta que imaginaste.

Beto
Nunca me pasa a mí, pero claro.

Alicia
Pero hipotéticamente, tiras un seis inmediatamente. Ejerces casi cero esfuerzo. En un escenario alternativo, la generación de ruido aleatorio sigue estropeando las ruedas de la patineta. Te lleva 20 intentos, una hora de ajuste de parámetros, una frustración interminable para obtener la misma imagen. Tienes que tirar el dado 20 veces.

Beto
Pero tirar el dado 20 veces no te hace más un autor. Simplemente significa que tuviste mala suerte con la aleatoriedad algorítmica.

Alicia
Exacto.

Beto
Sin embargo, el rastreador de ArtSplit te otorgaría una puntuación de propiedad humana mucho más alta en el segundo escenario, simplemente porque pasaste más tiempo interactuando con la interfaz. El sistema está mecánicamente confundiendo la fricción con creatividad.

Alicia
Crea una estructura de incentivos completamente perversa.

Ahora, uno de los creadores de contenido elogió inicialmente la herramienta porque hizo que la caja negra penetrable de la IA se sintiera controlable. Tener un panel de control hizo que la magia se sintiera como un proceso corporativo manejable.

Beto
A la gente le encanta un panel de control.

Alicia
Lo hacen. Pero AA3, el académico, emitió una advertencia contundente de que esta interfaz de usuario es en realidad una trampa. Comparó ArtSplit con un contador de palabras en una pantalla de computadora para un escritor.

Beto
Oh, vaya.

Alicia
Si un escritor solo es compensado o validado por su número de palabras, inevitablemente llenará sus oraciones con palabras de relleno para alcanzar la métrica, sacrificando totalmente la calidad de los textos.

Beto
Es la misma trampa psicológica que un rastreador de actividad física. Todos conocemos a alguien que llega al final del día y se da cuenta de que le faltan pasos. Y en lugar de salir a caminar, simplemente se sienta en el sofá y sacude la muñeca hacia arriba y abajo para engañar al acelerómetro.

Alicia
Todos hemos estado ahí.

Beto
Claro. Si un artista usa ArtSplit y la máquina entrega una obra maestra en la primera generación, pero su puntuación de propiedad humana se mantiene en un escaso 45 por ciento, va a participar en ediciones profundas y significativas. Va a abrir el archivo y hacer retoques de píxeles invisibles e inútiles, solo para ganar al algoritmo e impulsar su puntuación hasta el 55 por ciento.

Alicia
Exacto. AA3 advirtió que si los creadores solo reciben crédito por acciones, el sistema puede medir definitivamente llamadas a la API, revisiones de solicitudes o pinceladas manuales. Abandonarán por completo el trabajo invisible e inmedible que constituye realmente el arte.

Beto
¿Como qué?

Alicia
Como el acto de alejarse de la pantalla, mirar por una ventana y pensar profundamente sobre la resonancia emocional de una pieza. Eso no puede ser rastreado por un prototipo. Cuando optimizas por lo medible, activamente destruyes lo inmedible.

Beto
Vaya. Y el consenso entre los artistas fue que ArtSplit fundamentalmente malinterpreta sus propios datos. Rastrea la contribución, el volumen puro de botones presionados y datos procesados. Pero la contribución es solo una métrica mecánica. La autoría es un problema de intención.

Alicia
Sí.

Beto
La autoría es sobre reconocer tu visión específica en el producto final, independientemente de si tomó un clic o 10,000 clics para lograrlo.

Alicia
Así que cuando retrocedemos y miramos este provotipo, la conclusión central que Jovanoska y su equipo presentan es que los sistemas como ArtSplit no ofrecen más que la ilusión de transparencia.

Beto
Claro. Entonces, ¿qué significa todo esto?

Alicia
Significa que proporcionan un panel de control matemático reconfortante que hace parecer que podemos cuantificar la originalidad con porcentajes claros. Pero el significado humano se resiste ferozmente a la cuantificación.

Beto
Realmente lo hace.

Alicia
Para anclar este punto, los investigadores citan una piedra angular de la historia del arte. La pieza de Marcel Duchamp de 1919 titulada "LHOOQ".

Beto
Oh, me encanta este ejemplo. Para aquellos que no lo conocen, esta es la infame pieza donde Duchamp tomó una postal barata y producida en masa de la Mona Lisa de Leonardo da Vinci y simplemente dibujó un bigote y una barba en su cara con un lápiz. Puso un título provocador y simplemente se la presentó al mundo.

Alicia
Y mecánicamente hablando, si pasaras el proceso de Duchamp por el software ArtSplit, el rastreador le asignaría una fracción de un por ciento de la propiedad.

Beto
Porque él apenas hizo nada físicamente.

Alicia
Claro. La inmensa y abrumadora mayoría de los datos de píxeles pertenece a Da Vinci y a la impresora mecánica que hizo la postal. Duchamp solo añadió unas pocas trazos de grafito insignificantes.

Beto
Pero el rastreador completamente pierde la mecánica del arte. El arte no es el grafito en el papel. El arte es la ironía.

Alicia
Exacto.

Beto
El arte es la rebelión contra los estándares institucionales clásicos.

Alicia
Ese 1% de cambio físico anula por completo la semiótica, el contexto y el significado cultural de la obra. El cerebro humano reconoce instantáneamente la ironía. Pero un algoritmo es literalmente incapaz de codificar para la rebelión. Solo puede medir las pinceladas del lápiz.

Y esa limitación nos lleva a la advertencia final y vital del artículo contra un fenómeno conocido como "tecnosolucionismo".

Beto
Tecnosolucionismo. Esta es una muleta psicológica en la que nos apoyamos mucho en la era moderna. Es el impulso abrumador de tomar preguntas profundas, desordenadas, históricas y fundamentalmente sociales, como qué constituye la identidad humana, y reformularlas como problemas matemáticos técnicos que se pueden resolver si solo codificamos la aplicación correcta.

Alicia
Despreciamos la ambigüedad. Realmente lo hacemos. No sabemos cómo definir legal o filosóficamente la identidad humana en un mundo cada vez más poblado por máquinas pensantes. Así que intentamos construir un panel de control para calcular un porcentaje para ello.

Beto
Pero no funciona.

Alicia
No, porque la propiedad, la autoría, la identidad, estas no son problemas matemáticos para ser resueltos. Son acuerdos culturales que tienen que ser negociados. Intentar resolverlos con software no alivia la tensión. Simplemente forza a los humanos a cambiar su comportamiento para agradar al software, sacudiendo sus muñecas para obtener sus pasos creativos.

Beto
Te forza a darte cuenta de lo frágiles que son realmente nuestras definiciones culturales.

Y quiero dejarles una provocación final para reflexionar hoy. Algo que se basa en el contexto histórico que trae esta investigación. Todo el marco de los derechos de autor y nuestra definición legal sesgada de la autoría no siempre existió. Fue en gran parte diseñado hace siglos para un propósito logístico muy específico para regular la impresión y el comercio masivo. Fue literalmente inventado solo para averiguar quién recibe el pago cuando un libro físico es copiado y vendido mil veces.

Alicia
Es solo logística.

Beto
Exacto. Así que mientras la sociedad entra en pánico colectivo por el robo de nuestra alma creativa por parte de la IA, tenemos que hacer una pregunta realmente difícil. ¿Estamos luchando realmente por proteger una verdad humana fundamental? ¿O solo estamos defendiendo ferozmente un mito romanticizado, relativamente moderno, del genio solitario artista?

Alicia
Un mito que posiblemente nunca existió en primer lugar.

Beto
Considerando que los humanos siempre han colaborado con aprendices, con maquinaria pesada, con las influencias no acreditadas de los maestros pasados, tal vez la IA no está destruyendo la autoría. Tal vez solo nos está obligando a admitir finalmente cuán colaborativo ha sido el arte.

Alicia
Esa es una manera fascinante de verlo.

Beto
Piensa en eso la próxima vez que estés sentado en tu escritorio y tu cliente de correo electrónico completa automáticamente una oración compleja que suena exactamente inquietantemente como tu propia voz. Cuando presionas enviar, ¿escribiste ese correo electrónico? ¿Lo escribió la máquina? ¿O ya desapareció la línea divisoria entre tú y tus herramientas?