En el campo de la inteligencia artificial, han surgido discusiones sobre cómo una máquina podría pasar de realizar tareas complejas con gran precisión a generar nuevas ideas y tener un pensamiento creativo propio. En este artículo exploramos avances en el tema y algunas de las técnicas propuestas para que sean utilizadas como una herramienta en el proceso creativo humano.

Como se ha comentado en artículos anteriores, la inteligencia artificial define el término pensar como la capacidad que tiene una máquina para imitar el comportamiento humano. Hasta el momento, esta imitación la ha llevado a realizar acciones complejas como mantener una conversación lógica, identificar los objetos presentes en una imagen, apoyar en el campo médico, el desarrollo de carros autónomos, entre otros. Sin embargo, es claro que la evolución de la inteligencia humana permite que no únicamente sea capaz de realizar tareas de gran complejidad, sino también de entender su entorno y proponer alternativas, soluciones o innovaciones a partir de ello. Albert Einstein dijo alguna vez que “la verdadera señal de inteligencia no es el conocimiento, sino la imaginación” y “La lógica te llevará del punto A al punto B, pero la imaginación te llevará a cualquier parte”. Por este motivo, surge la pregunta de si es posible que una máquina tenga un pensamiento creativo e innovador similar al de los seres humanos.

Algunos estudios en el tema sugieren que minimizar los estándares de la inteligencia humana hasta los niveles alcanzados por la inteligencia artificial devalúa aspectos importantes de la primera como son la imaginación, la estética, el altruismo, la creatividad y la sabiduría [1]. Mientras otros creen que, si bien es cierto que la inteligencia artificial difícilmente podría desarrollar un sentido propio de creatividad, los computadores pueden ser entrenados en algunos parámetros de esta y afirman que en la actualidad apenas hemos explorado superficialmente el tema y las posibilidades son infinitas [2].

En este artículo analizamos algunas técnicas actuales que abren el camino hacia el desarrollo de ciertos patrones creativos similares a los obtenidos en la inteligencia humana, que han permitido el desarrollo de tecnologías asistentes y son utilizados como herramientas en procesos de innovación.

Creatividad Computacional

Un sistema creativo se define como una colección de procesos que en cierta medida simula algún aspecto de la creatividad humana [3]. De acuerdo con varios estudios la habilidad de generar nuevas y valiosas ideas, conceptos y artefactos puede ser estudiada, investigada y modelada, por lo tanto, las técnicas de inteligencia artificial podrían simular en cierta medida el comportamiento creativo de los humanos [3].

Boden, planteó un modelo de creatividad bajo tres conceptos [3] [4]:

• Creatividad exploratoria: Proceso de exploración de soluciones innovativas.
• Creatividad combinacional: Combinación de elementos de soluciones previas para obtener una nueva solución a partir de ella.
• Creatividad transformacional: Transformar soluciones, de forma innovadora, para adaptarse a problemas similares o resolver un problema con la inspiración de soluciones ya existentes.

Adicionalmente, existen estudios que tratan la creatividad como un proceso social [5] [6], además de un proceso individual, en el que se resalta que una idea o concepto novedoso no proviene de un único ser humano, sino de un nivel de organización más elevado, el social. En este sentido los sistemas de creatividad computacional pueden ser de creación fuerte, contribuyendo en gran medida a la generación de nuevas ideas; o pueden ser de creación débil, en su mayoría pasivos pero que de todas formas aportan a la innovación y creación de nuevas ideas, conceptos o artefactos.

Bajo estos preceptos, los sistemas de creatividad computacional pueden ser vistos como algo más que una simple herramienta y ser compañeros colaborativos en los procesos de diseño. En la actualidad, existen una gran cantidad de aplicaciones que mejoran o impulsan habilidades creativas tanto en campos artísticos como la música, la poesía, la literatura, entre otros; y no artísticos como en la planeación y en los procesos de tomas de decisiones.  

Transferencia de estilo

Esta técnica de la inteligencia artificial toma dos imágenes, una de contenido y otra de estilo de referencia, las mezcla generando una imagen con los elementos de la imagen de contenido y con el estilo de la segunda imagen [7] (ver Fig. 1). Se describió en el artículo A Neural Algorithm of Artistic Style [8], en 2015.  Los autores demostraron que el contenido y el estilo de una imagen pueden separarse por medio de técnicas de aprendizaje profundo y redes neuronales convolucionales para obtener una versión texturizada de la imagen original.

A partir de esta investigación, han surgido otros estudios que buscan explorar con mayor profundidad el tema. Es el caso de Luan et.al [9], quienes introdujeron un sistema de transferencia de estilo entre fotos de objetos reales, y aunque reconocen que los resultados presentan aún un rango de distorsión, son bastante alentadores y son utilizados para mejorar herramientas especializadas en la edición de imágenes y vídeo cómo las del popular Adobe (ver Fig. 2).  

Redes adversas generativas (GAN)

En artículos anteriores se ha mencionado el uso de estas redes en el desarrollo de las tan mencionadas DeepFakes. Adicionalmente, esta tecnología está permitiendo que la inteligencia artificial dé un gran paso en el desarrollo de aplicaciones, que requieren creatividad e innovación [10]. En 2018, Christie’s subastó la primera pintura realizada por un sistema de inteligencia artificial, específicamente utilizando estas redes GAN, en $432.500 dólares [11]. En la música, esta técnica se ha utilizado para generar pistas musicales consistentes de cuatro tiempos para bajo, batería, guitarra, piano y cuerdas, después de entrenar la red con una gran cantidad de canciones del género rock [12] [10]. en Poesía (Fig. 3), dónde a partir de una imagen de entrada el sistema es capaz de generar una descripción y a partir de ella crear un poema que captura un significado más profundo y poético [13] [10]. En literatura, este tipo de redes, combinadas con técnicas de procesamiento de lenguaje natural, son capaces de generar párrafos totalmente coherentes a partir de una frase de entrada [14] [10]. En la Fig. 4 se presenta un ejemplo donde un humano introduce un párrafo y la máquina crea un texto completamente coherente con la idea inicial.

Conclusiones

Si bien es cierto que podría ser inalcanzable un desarrollo de una inteligencia artificial general, que iguale o supere la inteligencia humana, los avances diarios que presenta esta tecnología han permitido crear aplicaciones que sirven para mejorar e impulsar los procesos creativos humanos, sirviendo no solo como una herramienta, sino también como parte integral de ellos, logrando obtener resultados que hace algunos años no se creían posibles.

Maria Ximena Bastidas R.

Bibliografía

[1]       Logan, A. Braga y R. K., «The Emperor of Strong AI Has No Clothes: Limits to Artificial Intelligence,» Information MDPI, 2017.

[2]       IBM, «The quest for AI creativity,» pp. https://www.ibm.com/watson/advantage-reports/future-of-artificial-intelligence/ai-creativity.html.

[3]       L. Issa, F. Alghanim y N. Obeid, «Computational Creativity: The Design of a Creative Computer Program,» de International Conference on Information and Communication Systems, 2019.

[4]       G. A. Wiggins y J. Forth, «Computational Creativity and Live Algorithms,» The Oxford Handbook of Algorithmic Music, 2018.

[5]       P. Santacruz, «Del “Yo Creo” al “Nosotros Creamos”: Analogías y Contextualizaciones en la Asunción de la Creatividad Social,» de Escuela e inclusión: reconocimiento, cultura de paz, creatividad social y derechos para la nueva escuela, Pasto, Secretaría de Educación Municipal – Alcaldía de Pasto, 2018.

[6]       O. Bown, «Against Individual Creativity,» Dagstuhl Seminar, 2009.

[7]       Fritz ai, «Style Transfer Guide,» pp. https://www.fritz.ai/style-transfer/.

[8]       L. A. Gatys, A. S. Ecker y M. Bethge, «A Neural Algorithm of Artistic Style,» https://arxiv.org/pdf/1508.06576.pdf, 2015.

[9]       F. Luan, S. Paris, E. Shechtman y K. Bala, «Deep Photo Style Transfer,» de CVPR, 2017.

[10]     heartbeat.fritz.ai, «Artificial Art: How GANs are making machines creative,» heartbeat.fritz.ai, pp. https://heartbeat.fritz.ai/artificial-art-how-gans-are-making-machines-creative-b99105627198, Septiembre 2019.

[11]     christies, «Is artificial intelligence set to become art’s next medium?,» pp. https://www.christies.com/features/A-collaboration-between-two-artists-one-human-one-a-machine-9332-1.aspx, Diciembre 2018.

[12]     H.-W. Dong, W.-Y. Hsiao, L.-C. Yang y Y.-H. Yang, «MuseGAN: Multi-track Sequential Generative Adversarial Networks for Symbolic Music Generation and Accompaniment,» https://arxiv.org/abs/1709.06298, 2017.