En 1953, Roald Dahl publicó "El gran gramatizador automático" , un cuento sobre un ingeniero electrónico que desea secretamente ser escritor. Un día, después de completar la construcción de la máquina calculadora más rápida del mundo, el ingeniero se da cuenta de que "la gramática inglesa está regida por reglas que son casi matemáticas en su rigor". 

   Construye una máquina de escribir ficción que puede producir un cuento de cinco mil palabras en treinta segundos; una novela lleva quince minutos y requiere que el operador manipule manijas y pedales, como si estuviera conduciendo un automóvil o tocando un órgano, para regular los niveles de humor y patetismo. Las novelas resultantes son tan populares que, en un año, la mitad de la ficción publicada en inglés es producto de la invención del ingeniero.

Para muestra, un botón

   ¿Hay algo en el arte que nos haga pensar que no se puede crear pulsando un botón, como en la imaginación de Dahl? En este momento, la ficción generada por grandes modelos de lenguaje como ChatGPT es terrible, pero uno puede imaginar que tales programas podrían mejorar en el futuro. ¿Hasta qué punto podrían mejorar? ¿Podrían mejorar que los humanos en la escritura de ficción (o en la realización de pinturas o películas) de la misma manera que las calculadoras son mejores en la suma y la resta?

   El arte es notoriamente difícil de definir, y también lo son las diferencias entre el buen arte y el mal arte. Pero permítanme ofrecer una generalización: el arte es algo que resulta de tomar muchas decisiones. Esto podría ser más fácil de explicar si usamos la escritura de ficción como ejemplo. Cuando se escribe ficción, se está eligiendo, consciente o inconscientemente, casi cada palabra que se escribe; para simplificar, podemos imaginar que un cuento de diez mil palabras requiere algo así como diez mil opciones. Cuando se da una indicación a un programa de IA generativa, se están eligiendo muy pocas opciones; si se da una indicación de cien palabras, se habrán elegido alrededor de cien opciones.

   Si una IA genera una historia de diez mil palabras basándose en una indicación humana, tiene que completar todas las opciones que el humano no eligió. Hay varias formas de hacerlo. Una es tomar un promedio de las opciones que otros escritores han elegido, representadas por texto encontrado en Internet; ese promedio es equivalente a las opciones menos interesantes posibles, por lo que el texto generado por IA suele ser realmente insulso. Otra es ordenar al programa que realice una imitación de estilo, emulando las opciones elegidas por un escritor específico, lo que produce una historia muy derivada. En ninguno de los casos se está creando arte interesante. 

   Creo que el mismo principio subyacente se aplica al arte visual, aunque es más difícil cuantificar las decisiones que puede tomar un pintor. Las pinturas reales llevan la marca de una enorme cantidad de decisiones. En comparación, una persona que utiliza un programa de conversión de texto a imagen como DALL-E introduce una indicación como "Un caballero con armadura lucha contra un dragón que escupe fuego" y deja que el programa haga el resto (La versión más reciente de DALL-E acepta indicaciones de hasta cuatro mil caracteres, cientos de palabras, pero no suficientes para describir cada detalle de una escena). 

   La mayoría de las opciones en la imagen resultante tienen que ser tomadas prestadas de pinturas similares que se encuentran en línea; la imagen puede estar representada de manera exquisita, pero la persona que introduce la indicación no puede atribuirse el mérito por ello.

De la foto a la IA

   Algunos comentaristas imaginan que los generadores de imágenes afectarán la cultura visual tanto como lo hizo en su día la aparición de la fotografía. Aunque esto pueda parecer superficialmente plausible, la idea de que la fotografía es similar a la IA generativa merece un examen más detallado. 

   Cuando se desarrolló la fotografía, sospecho que no parecía un medio artístico porque no era evidente que hubiera muchas opciones entre las que elegir; simplemente se preparaba la cámara y se iniciaba la exposición. Pero con el tiempo, la gente se dio cuenta de que había una gran cantidad de cosas que se podían hacer con las cámaras, y el arte radica en las muchas opciones que elige un fotógrafo. 

   Puede que no siempre sea fácil articular cuáles son las opciones, pero cuando se comparan las fotos de un aficionado con las de un profesional, se ve la diferencia. Entonces, la pregunta es: ¿existe una oportunidad similar de tomar una gran cantidad de decisiones utilizando un generador de texto a imagen? Creo que la respuesta es no. 

   Un artista, ya sea que trabaje digitalmente o con pintura, toma implícitamente muchas más decisiones durante el proceso de creación de una pintura de las que cabrían en un mensaje de texto de unos pocos cientos de palabras. Podemos imaginar un generador de texto a imagen que, a lo largo de muchas sesiones, te permita ingresar decenas de miles de palabras en su cuadro de texto para permitir un control extremadamente detallado sobre la imagen que estás creando.

   En el caso de DALL-E 2, se trata de algo similar a Photoshop con una interfaz puramente textual. Yo diría que una persona podría utilizar un programa así y aun así merecer ser considerada artista. El director de cine Bennett Miller ha utilizado DALL-E 2 para generar algunas imágenes muy llamativas que se han exhibido en la galería Gagosian; para crearlas, diseñó instrucciones de texto detalladas y luego le dio instrucciones a DALL-E para que revisara y manipulara las imágenes generadas una y otra vez. 

   Generó más de cien mil imágenes para llegar a las veinte imágenes de la exhibición, pero ha dicho que no ha podido obtener resultados comparables en versiones posteriores de DALL-E. Sospecho que esto puede deberse a que Miller estaba utilizando DALL-E para algo para lo que no está destinado; es como si hubiera hackeado Microsoft Paint para que se comportara como Photoshop, pero tan pronto como se lanzó una nueva versión de Paint, sus hacks dejaron de funcionar. 

Ley del menor esfuerzo

   OpenAI probablemente no está tratando de crear un producto para servir a usuarios como Miller, porque un producto que requiere que un usuario trabaje durante meses para crear una imagen no es atractivo para una audiencia amplia. La empresa quiere ofrecer un producto que genere imágenes con poco esfuerzo.

   Es más difícil imaginar un programa que, a lo largo de muchas sesiones, te ayude a escribir una buena novela. Este programa de escritura hipotético podría requerir que ingreses cien mil palabras de indicaciones para que genere cien mil palabras completamente diferentes que compongan la novela que estás imaginando. 

   No tengo claro cómo sería un programa así. Teóricamente, si existiera un programa así, el usuario tal vez podría merecer ser llamado el autor. Pero, de nuevo, no creo que empresas como OpenAI quieran crear versiones de ChatGPT que requieran tanto esfuerzo de los usuarios como escribir una novela desde cero. El atractivo de la IA generativa es que estos programas generan mucho más de lo que pones en ellos, y eso es precisamente lo que les impide ser herramientas efectivas para los artistas.

Inspiración y transpiración

   Las empresas que promueven los programas de IA generativa afirman que darán rienda suelta a la creatividad. En esencia, están diciendo que el arte puede ser todo inspiración y nada de transpiración, pero estas cosas no se pueden separar fácilmente. No estoy diciendo que el arte tenga que implicar tedio. 

   Lo que estoy diciendo es que el arte requiere tomar decisiones en todas las escalas; las innumerables decisiones a pequeña escala que se toman durante la implementación son tan importantes para el producto final como las pocas decisiones a gran escala que se toman durante la concepción. Es un error equiparar "gran escala" con "importante" cuando se trata de las decisiones que se toman al crear arte; la interrelación entre la gran escala y la pequeña escala es donde reside el arte.

   Creer que la inspiración supera a todo lo demás es, sospecho, una señal de que alguien no está familiarizado con el medio. Sostengo que esto es cierto incluso si el objetivo de uno es crear entretenimiento en lugar de arte elevado. La gente a menudo subestima el esfuerzo necesario para entretener. Una novela de suspenso puede no estar a la altura del ideal de libro de Kafka —un "hacha para el mar helado que llevamos dentro"—, pero puede estar tan bien elaborada como un reloj suizo. 

   Y una novela de suspenso eficaz es más que su premisa o su trama. Dudo que se puedan sustituir todas las frases de una novela de suspenso por otras que sean semánticamente equivalentes y que la novela resultante sea igual de entretenida. Esto significa que sus frases —y las decisiones a pequeña escala que representan— ayudan a determinar la eficacia de la novela de suspenso.

La "gran" idea

   Muchos novelistas han tenido la experiencia de que alguien se les acerque convencido de que tienen una gran idea para una novela, que están dispuestos a compartir a cambio de una división de las ganancias al cincuenta por ciento. Esa persona revela inadvertidamente que cree que formular frases es una molestia en lugar de una parte fundamental de la narración en prosa. 

   La IA generativa atrae a las personas que creen que pueden expresarse en un medio sin trabajar realmente en ese medio. Pero los creadores de novelas, pinturas y películas tradicionales se sienten atraídos por esas formas de arte porque ven el potencial expresivo único que ofrece cada medio. Es su afán por aprovechar al máximo esas potencialidades lo que hace que su trabajo sea satisfactorio, ya sea como entretenimiento o como arte.

   Por supuesto, la mayoría de los textos, ya sean artículos, informes o correos electrónicos, no vienen con la expectativa de incorporar miles de opciones. En esos casos, ¿hay algún daño en automatizar la tarea? Permítanme ofrecer otra generalización: cualquier texto que merezca su atención como lector es el resultado del esfuerzo invertido por la persona que lo escribió. 

   El esfuerzo durante el proceso de escritura no garantiza que valga la pena leer el producto final, pero no se puede hacer un trabajo que valga la pena sin él. El tipo de atención que presta cuando lee un correo electrónico personal es diferente del tipo de atención que presta cuando lee un informe empresarial, pero en ambos casos solo se justifica cuando el escritor pensó un poco en ello.