El Machine Learning debe cambiar la forma en que creamos
Hace unos meses hemos hablado acerca del avance de la Inteligencia Artificial y, de vez en cuando, hacemos alguna referencia al respecto. Hace unos días aparecieron unas nuevas aplicaciones que usan Machine Learning para hacer música.
El Machine Learning o Aprendizaje Automatizado es una rama de la inteligencia artificial, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan. Se busca que las computadoras encuentren algoritmos y heurísticas a partir de muestras para que ellas mismas conviertan los datos en programas. O sea, lo que se busca es que las computadoras se programen a sí mismas a partir de exponerlas a un gran número de muestras. Los modelos o programas resultantes deben ser capaces de generalizar comportamientos e inferencias para un conjunto más amplio (potencialmente infinito) de datos.
Magenta es un proyecto destinado a crear arte y música a partir del Machine Learning. Fueron ellos quienes lanzaron, hace unos días, “Magenta Studio”, una serie de aplicaciones que aplican el Machine Learning a la creación musical. No son los primeros, en su momento hemos hablado de AIVA, que ya está disponible para que el público lo use (lo he estado probando, y en algún momento puede que haga algún comentario).
Más allá de lo que haga el Machine Learning en la música, me interesa pensar en la forma en que creamos, y para eso, los humanos tenemos que analizar cómo es que nos están interpretando las máquinas, qué es lo que las máquinas descubren en nosotros. Porque el Machine Learning en realidad es eso, las máquinas están poniendo en evidencia las formas en las que actuamos.
Lo mejor para poder verlo, es… verlo…
Veamos la manera en que dibujamos. El Machine Learning analiza miles y miles de formas que tenemos de dibujar, por ejemplo, un gato. Después de eso, cuando le decís que estás a punto de dibujar un gato, y apoyas el lápiz sobre el papel, empieza a hacer predicciones de hacia dónde lo vas a mover. La computadora está prediciendo cómo va a ser tu dibujo, basándose en miles de dibujos a los que fue expuesta y analizó.
Acá están las imágenes de cómo Scrying Pen predice los dibujos:
El apocalipsis de la creatividad
En música pasa algo muy parecido, ya lo vimos con AIVA: le cargas a la computadora todas las obras de Mozart (no tengo idea de cómo se podría hacer algo así, pero hay gente que lo hace) y después le podés pedir que se toque algo al estilo del Joven Maravilla de Salzburgo. Y ahí lo tienes, una nueva sinfonía que casi podría ser firmada por Wolfgang Mozart.
Esto, que parece medio ridículo (y que hago parecer más ridículo aún), no es ninguna tontería; no nos olvidemos que todo esto recién está comenzando. Las computadoras cada vez nos conocen mejor, cada vez delegamos más cosas en ellas, y ya se estamos dejando varias decisiones en sus manos. Ya no elegimos cómo entretenernos, nos presentan series, música, restaurantes y vacaciones en base a nuestras elecciones anteriores y en las elecciones que han tomado otros que se nos parecen en las preferencias. Tal vez las computadoras no puedan componer una nueva sinfonía de Mozart, pero ¿cuánto va a faltar para que elijamos, o aceptemos (en este contexto es muy parecido), una nueva sinfonía “al estilo” de Mozart? Podríamos tener miles de sinfonías nuevas todos los meses, que ni siquiera tendríamos tiempo de escuchar.
Un rayo de esperanza
Las computadoras pueden aprender mucho de nosotros, pero ¿dónde queda la creatividad? El Machine Learning conoce todos nuestros movimientos, pero, al menos por ahora, se queda con los más efectivos, con el promedio, con lo que se parece a lo que hace la mayoría de la gente. Los mejores creativos de la raza humana no son el promedio de todos los creativos, son los que encuentran diferentes maneras de hacer las cosas. Wolfgang Mozart no fue el paso obligado de la mezcla de Bach, Haydn y Leopold Mozart, fue algo más, algo distinto.
Tomemos las sinfonías de Beethoven, por ejemplo: son muy pocos los rastros que hay en las sinfonías precedentes a las que las siguen. Cada una de las 9 sinfonías de Beethoven fue muy distinta a sus predecesoras. Ninguna computadora podría predecir el uso de un coro en la Novena, o, diría que las chances son muy, muy bajas. Es muy sencillo ¿Cómo sería la décima de Beethoven? Imposible saberlo, sólo podríamos imaginarla siguiendo el estilo de alguna de las anteriores, y seguramente estaríamos equivocados.
Para los artistas y creativos, la clave está en hacer cosas que no se puedan copiar. Que no puedan ser copiadas por otros humanos, pero también que no puedan ser copiadas por uno mismo. Volviendo a las imágenes y a los trazos, los gatos más interesantes son esos que no son predecibles por la computadora, esos que nadie puede dibujar, y que ni siquiera uno mismo pueda volver a hacerlo.
Tiene que haber una manera…